文章列表-AI魔法学院

文章列表

大语言模型应用中的文本分块策略

在构建与LLM相关的应用时，分块（chunking）是将大段文本分解为较小段的过程。

开源模型

RAG检索增强技术在知识库智能检索场景下的应用实践

1.1.1、LLM的缺陷知识检索增强技术的提出背景主要源于当前基于LLM（大规模语言模型）的知识检索存在诸多缺陷。

知识库 RAG检索增强

AI Comic Factory：AI(连环)漫画生成器

首先，该项目是开源的，但需要多个组件来运行，包括前端、后端、LLM（大型语言模型）、SDXL等。

生成式AI

AI知识库总是不准？教你无脑用GPT整理结构化数据集...

随着LLM的蓬勃发展，企业、个人知识库越来越火。

GPT

AI领域的agent是什么意思？

基于大语言模型（LLM）的 AI Agent 利用 LLM 进行记忆检索、决策推理和行动顺序选择等，把Agent的智能程度提升到了新的高度。

大模型

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

LLM预计会发出"信息不足"或其他拒绝信号。

大模型 RAG检索增强

自动优化Prompt：Automatic Prompt Engineering的3种方法

好的prompt可以激发LLM的最大潜能，从而在下游任务取得好的效果。

prompt 大模型

EduChat：教育行业垂直领域大模型

第一个挑战：llm和教育专家之间仍然存在差距，因为llm是在通用语料库上进行预训练的，缺乏足够的教育知识，不能很好地与真实场景(例如，论文评估)对齐。

教育大模型垂直领域

检索增强生成 (RAG):What, Why and How?

机器学习从业者在RAG流程不同阶段使用多种技术来改善LLM性能。

检索增强大模型

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

前者使 LLM 能够与环境交互（例如使用维基百科搜索API），后者能够促使LLM 生成自然语言的推理轨迹。

Agent

XX来信：智能体设计模式2：Reflection

智能体工作流不是让LLM直接生成最终输出，而是多次提示LLM，使其有机会逐步构建更高质量的输出。

Reflection 智能体

Embedding开源模型重磅玩家：北京智源人工智能研究院最新Embedding模型发布！登顶MTEB，免费商用授权！

Embedding模型作为大语言模型（Large Language Model，LLM）的一个重要辅助，是很多LLM应用必不可少的部分。

开源模型

谈谈RAG存在的一些问题和避免方式

我觉得去研究和实践基于LLM的应用更实际，而RAG就是非常好的一个方向，这对于很多企业来说是刚需。

RAG 大模型

解读提示工程（Prompt Engineering）

提示微调包括了在使用 LLM 之前使用一个小的可训练模型。

Prompt 提示词

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

的AI Agents是AGI领域接下来重要的发展方向，使得很多原本嘲笑Auto-GPT开发者，开始更多开始正视基于LLM驱动的AI-Agents系统。

开源模型

<1 2 3 456 7 8 9 10 ...>

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