文章列表-AI魔法学院

文章列表

RAG与Long-Context之争—没必要争

Long-Context是精排从计算量角度来看，目前RAG是靠检索系统来进行相关内容过滤，一般采用ES、向量匹配等方法，可以理解计算量较小，也就是文本之间交互较少；而Long-Context相当于用户Query

RAG Long-Context 大模型

图解检索增强式生成（RAG）技术 | 万字长文

提示可能是这样的： def question_answering(context, query): prompt =

检索增强式生成 RAG

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

Colbert 迟交互机制与传统的 query-doc 全交互型 BERT 及目前流行的 Embeddings 模型相比，ColBERT 提出的 Late Interaction (迟交互

rag 大模型

请收好这12种Prompt编写模式，让不可靠的模型生成可交付的可靠结果

nbsp; · · · · · · · · You will answer auser query

prompt

Yi技术报告细节分享

模型采用Transformer-Decoder结构，采用llama的代码实现，修改如下： o 注意力机制：Yi-6B和34B版本均采用Grouped-Query Attention

Yi模型大模型

60分钟吃掉ChatGLM2-6b微调范例~

def build_inputs(query, history): prompt = ""

开源模型

评论能力强于GPT-4，上交开源13B评估大模型Auto-J

功能使用方面 · 支持 50 + 种不同的真实场景的用户问询（query）（如常见的广告创作，起草邮件，作文润色，代码生成等）能够评估各类大模型在广泛场景下的对齐表现； · 它能够无缝切换两种最常见的评估范式

Auto-J 大模型

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

简而言之，提示工程就是寻找一种编辑查询（query）的方式，使得大型语言模型（LLM）或 AI 绘画或视频生成器能得到最佳结果或者让用户能绕过这些模型的安保措施。

prompt 大模型提示

如何避免大语言模型绕过知识库乱答的情况？LlamaIndex 原理与应用简介

nbsp;across each index index_summary = [index_set[year].as_query_engine().query

大语言模型

HalluQA: 测测中文大模型有没有一本正经胡说八道

这类问题往往是SFT或者RLHF容易被忽视的问题，因为这些问题本身可能存在矛盾，不像是通常会出现的用户Query（例如“弱智吧”问题之类的段子），因此很容易在alignment阶段被忽视。

大模型中文大模型幻觉

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

table-question-answering 表格问答给定一张表格和一个query，query是询问表格里面的一些信息，模型给出答案

开源

垂直领域大模型的思考

所以直接拿用户的query去检索，召回的效果就会比较差。

垂直领域大模型

构建开源多模态RAG系统

as np query_image = np.array(Image.open(f"/kaggle/input/flowers/flowers/daisy/0.jpg"))print("Query

RAG 大模型

LangChain + ChatGLM2-6B 搭建私域专属知识库

o• 更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了

知识库

大语言模型综述<演进，技术路线，区别，微调，实践，潜在问题与讨论>

Multi-Query Attention：每个头共享键/值的映射，即“key”和“value”被投影到 [1, h]，但“query”仍被投影到形状 [k, h]，这种操作对模型质量和训练速度没有影响

大模型

<1 2 3 456 7 >

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