文章列表-AI魔法学院

文章列表

大模型：泛化即智能，压缩即一切

这是因为监督学习最大的优点是具有数学保证，只要你有足够多的数据，并在数据上实现低误差，那么它对新数据的预测也会低误差。

大模型泛化

大模型应用设计的10个思考

比如，“从数据库生成报告”这样的模式，它具有很强的适应性，可以通过简单的文本提示进行参数调整，从而应对各种需求。

大模型应用

Stable Diffusion

Stable Diffusion基础：ControlNet之细节替换

Stable Diffusion的参数一般使用默认的就可以。

StableDiffusion 文生图

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

，而且数据集质量提升可以改善模型效果数据语言分布，加了中文的效果比不加的好数据规模越大且质量越高，效果越好，大量高质量的微调数据集对模型效果提升最明显。

大模型

AI写作：一步到位，如何用 AI 生成整篇文章？做自媒体必看！

可以直接用结构化提示词来直接引导 AI 写出整篇文案。

结构化提示词写作

10个值得收藏的ChatGPT辅助编程技巧

它可能会导致意想不到的后果，当你添加不理解的代码时，这可能会直接或间接地损害你的项目。

编程提示词 chatgpt

全球学术界知名学者教授信息大盘点（全）

如果你还在迷茫找不到方向，又或者要留学不知道找哪个导师，那么你可以看一下这些大佬们的研究方向和主页，希望对你能有所帮助。

AI大佬知名学者

StableDiffusion

深度解析丨StableDiffusion在多个设计场景中的探索与应用

2.4 初步跑图（批量）把上述的参数调整好了之后，我们就可以进行初步的跑图了，可以调整总批次数量（显卡一般的控制在4左右）。

文生图

FFmpeg之父新作——音频压缩工具 TSAC

仔细观察频谱发现，压缩后的音频高频细节有一些丢失，导致了听起来有模糊的感觉。

TSAC 音频工具

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

系统需要能够以每秒数百或数千次的速度响应查询。

大语言模型 RAG检索增强

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

在以往大模型开发中，应用核心开发重点在于prompt engineering，这多见于一些RAG应用，也就是整个过程围绕如何精心构造Prompt，再利用Prompt诱导大模型生成一个好的答案，而这一过程往往是单次的

LLM 范式迁移

OpenAI Assistants API 使用指南

获取的结果包含分页的参数，可以通过 has_more 来判断是否有下一页的数据。

OpenAI Assistants API

智谱AI大模型ChatGLM3-6B更新，快來部署体验

更强大的基础模型： ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。

ChatGLM3-6B 开源模型

Stable Diffusion

OpenAI救了Stable Diffusion！开源Dall·E3同款解码器，来自Ilya宋飏等

它旨在解决扩散模型通过逐步迭代、导致图像生成缓慢的问题。

SD 文生图 DALLE

谈谈LLM在推荐域的渗透，探索推荐新范式

一般来说，模型在100亿到1000亿参数区间，可能产生能力涌现。

大模型

<...41 42 43 444546 47 48 49 50 ...>

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