文章列表-AI魔法学院

文章列表

实操：基于 Ollama+AnythingLLM 的 AI 超级阅读法

而我们呢，只需要读读文章，就能学到别人的经验，多划算啊！

Ollama AnythingLLM 阅读

我如何夺冠新加坡首届 GPT-4 提示工程大赛 [译]

相反，我更希望分享一些我在实验中获得的新洞见，以及我个人在理解和应用这些技巧时的独到见解。

GPT-4 提示词

吴恩达老师建议大家关注 AI 智能体工作流

这好比要求一个人一气呵成地写完一篇文章，不允许回退修改，却期望文章能达到高质量。

智能体大语言模型

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

身体姿态估计旨在识别出给定图像中人或者动物实例身体的关键点，除了典型的身体骨骼关键点，还可以包括手、脚、脸部等关键点，是计算机视觉领域的基本任务之一。

ViTPose+Transformer 身体姿态

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

在当今数字化与智能化浪潮汹涌的时代，人工智能技术不断取得突破性进展，多模态模型作为其中的前沿领域，正日益成为研究和应用的热点。

OmniVision -968M 多模态模型

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

该矩阵将任务分为四个象限：紧急且重要、重要但不紧急、紧急但不重要、既不紧急也不重要，帮助个人或组织识别哪些任务应优先处理，哪些可以延后或委托他人完成，从而更有效地分配时间和资源。

prompt 提示词

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

简介文本到图像生成技术在合成基于文本提示的逼真人类照片方面取得了显著进展。

PhotoMaker 文生图

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

传统做法是固化召回，粗排，精排等环节，形成标准的推荐系统处理流程，虽然有利于行业内交流沟通，但这样的方式，在实际生产环境下往往难以快速应对差异化的需求且人为导致模块的割裂及维护的困难，而笔者曾开源了一个

Query Pipeline 大模型

DeepSeek V3刷屏，550万元2000张卡做出的开源模型，和OpenAI几亿烧出来的一样好

这些动作相当于是告诉那些调不好参数和平衡的人们：我比你们更聪明。

DeepSeek V3 开源模型

Coze、Dify、FastGPT：哪款智能体平台最强？深度对比分析！

在人工智能技术飞速发展的今天，智能体成为了大模型落地应用的关键工具。

智能体平台对比

如何修复GPT幻觉、及评估数据集的挑战

— OpenAI 首席执行官 Sam Altman 当开发人员希望使用模型构建系统时，这些限制提出了真正的挑战，因为整个系统必须满足质量、安全性和基础性要求。

大模型

大模型业务应用中数据准备的要求、难点及解决思路

与大模型交谈时，我们惊讶于它可比真人的理解能力、创作能力，而究其根源，我们更惊叹于支撑大模型智能的海量高质量数据。

大模型

大模型落地“诸神之战”，场景玩家先杀出重围了

没想到，在如此细分、不易被人注意的赛道上，大模型落地已经推进这么快了。

大模型文生图

回望做大模型一年后的感悟

所以只要从OpenAI挖几个人或者从Google挖几个人，就能做出世界领先的大模型了。

大模型感悟

中国大模型「顶流群聊」笔记

他说很快大家就会发现，做过大模型 Infra 的人比做大模型的人还要贵、更稀缺；而会做 Scaling Law（扩展定律，模型能力随着训练计算量增加而提升）的人比会做大模型 Infra 的人更稀缺。

大语言模型

<...45 46 47 484950 51 52 53 54 ...>

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