文章列表-AI魔法学院

文章列表

Python状态机：优雅处理复杂业务逻辑的利器

代码结构清晰：避免了大量的if-else嵌套 2.

Python状态机设计模式

QWen1.5: 卓越模型之路

文章结构如下： QWen1.5 QWen1.5性能首先，我们跟随千问1.5技术报告了解其具体的性能表现。

Qwen1.5 开源模型

真格基金大模型能力测试问题集---基础篇

朋友：给一个小学一年级学生解释一下：量子力学（Quantum Mechanics），为物理学理论，是研究物质世界微观粒子运动规律的物理学分支，主要研究原子、分子、凝聚态物质，以及原子核和基本粒子的结构、

大模型训练中文

实操：基于 Ollama+AnythingLLM 的 AI 超级阅读法

后来，我在自己笔记本电脑上用“Ollama+AnythingLLM”搭建了一个本地化的大模型知识库，和自己的知识库交互，信息安全，内容可靠，不用上网，无限使用。

Ollama AnythingLLM 阅读

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

1.3 数据集清理中文预训练数据集可以使用 [悟道]，数据集分布如下（主要以百科、博客为主）：悟道-数据分布图但开源数据集可以用于实验，如果想突破性能，则需要我们自己进行数据集构建

大模型训练

大模型检索增强生成(RAG)高质量报告

指的就是检索相关信息来辅助大模型回答优化大模型的性能通常可以从提示工程、RAG或者微调入手 RAG对比微调 RAG的应用场景 Naive RAG就是建索引

RAG 大模型检索

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

ChartLlama是一个专门针对图表的多模态语言模型，它可以从图表中提取信息，也可以根据数据和要求来创建图表。

ChartLlama 开源模型图标

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

、检索器和查询引擎索引、检索器和查询引擎是基于用户数据或文档进行问答的三个基本组件：索引是一种数据结构，使我们能够从外部文档中快速检索用户查询的相关信息。

RAG 检索

TrOCR——基于transformer模型的OCR手写文字识别

TrOCR是transformer OCR的简写，是microsoft发布的一个OCR识别模型，光看这个模型的名字就知道此模型基于transformer模型，其模型架构如下，完全采用了标准的transformer

OCR 手写文字识别

深入浅出：大语言模型中必不可少的技术——Embedding简介

embedding向量通常是一个由实数构成的向量，它将输入的数据表示成一个连续的数值空间中的点。

embedding

清华、面壁智能发布：主动式Agent 2.0

事件合并与文本描述：将原始数据合并成逻辑上连贯的段落，并使用语言模型将结构化数据转换为更自然的文本描述。

Agent 2.0 大模型

向量数据库简介和5个常用的开源项目介绍

非结构化数据(如文本、图像和音频)缺乏预定义的格式，这给传统数据库带来了挑战。

开源模型

大模型LLM基础｜分词

工作原理： · 从字符级别开始构建词汇表。

开源模型

Gartner：2024年人工智能渗透的十大战略技术趋势

将 CTEM 评估和补救范围与威胁媒介或业务项目（而不是基础架构组件）保持一致，不仅会暴露漏洞，还会发现无法修补的威胁。

Gartner 人工智能

40个值得收藏的AI prompt提示词，帮助你更好地思考问题，做出更加准确地商业决策，让你无往不利

在商业决策中，飞轮效应分析帮助决策者理解如何通过一系列小的、连贯的努力，逐步构建起公司的竞争优势。

prompt 提示词

<...35 36 37 383940 41 42 43 44 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1