文章列表-AI魔法学院

文章列表

大语言模型的拐杖——RLHF基于人类反馈的强化学习

然而，对于自然语言处理任务，通常很难定义和测量奖励函数，特别是当涉及到人类价值和偏好的复杂任务时。

大模型训练

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

一、训练数据集准备这个过程主要做三件事：训练素材处理图像预处理打标优化 1.

训练

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

在处理任务时，可以通过以下几种方式来实现任务分解： 1.

agent

ComfyUI官方使用手册【官网直译+关键补充】

CLIP 视觉模型的任务就是将输入的图片转化为嵌入，而输入的图片则是你希望模型理解并进行处理的图像。

文生图图生图 comfyui

Stability AI开源上新：3D生成引入视频扩散模型

并且视频数据本身也比3D数据更容易获得。

sv3d 建模

从零开始用LangChain、Pinecone和LLMs搭建你自己的文档问答系统

2.4、更好地处理模糊查询语义搜索可以通过识别与问题相关的最相关段落来消除查询的歧义。

知识库 langchain

AI必备Prompt技巧《提问的艺术——让AI导出高质量答案》

Prompt 的目的是引导 AI 模型理解用户的需求，生成相关且有针对性的回答。

prompt 提示词

0基础！动手部署Qwen1.5-MoE模型！能力如何？API接入fastgpt等任何应用！喂饭到嘴教程，附模型下载！

意味着推理速度快！

Qwen1.5-MoE 大模型下载

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

llamaindex实现下的RAG架构以RAG召回为例，最原始的做法是通过top-k的方式从向量数据库中检索背景数据然后直接提交给LLM去生成答案，但这样存在检索出来的chunks并不一定完全和上下文相关的问题

大模型

TypeChat 入门指南

一旦定义了类型，TypeChat 就会处理剩下的事情，使用类型构建对 LLM 的 prompt，根据 schema 验证 LLM 响应，总结实例来确保与用户意图保持一致。

TypeChat

如何构建基于大模型的App

1.1 LLM 的基本能力到目前为止，大模型的主要能力如下：使用LLM进行语言理解和处理，而不是作为知识源 LLM是在互联网上的大量文本数据上进行预训练的，这些训练数据为大模型提供了知识。

构建大模型App

如何使用 Megatron-LM 训练语言模型

我们将分解在此框架中训练 GPT2 模型的不同步骤，包括: · 环境设置 · 数据预处理 · 训练 · 将模型转化为 Transformers

开源模型

面向知识图谱的大模型应用

而且，LLM 在处理涉及大量相互关联知识的复杂现实环境时仍然有很多局限性。

知识图谱大模型

语义检索系统[全]：基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索

表达同一个想法的方式太多了，搜索引擎需要处理所有这些方式。

开源模型

将文本转化为3D动画：DeepMotion推出MotionGPT，开启动画新时代！

这是一款基于生成式AI的工具，可以将文本提示无缝转换为复杂的3D动画，简化了动画创作过程，同时也超越了物理障碍，使得更多不同类型的创作者和行业可以使用3D动画。

3D 动作捕捉

<...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

© 2023-2024 AI魔法学院

京ICP备20027199号-1