文章列表-AI魔法学院

文章列表

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

Milvus 的设计从底层开始，特别考虑了处理来自非结构化数据的嵌入向量。

开源模型

LangChain手册（Python版）11模块：提示模板

将根据传递的langchain自动推断。

大模型

StableDiffusion

StableDiffusion常用基础参数说明

回报递减，取决于采样器。

文生图

最透彻的大模型PPO原理和源码解读

但如果只考虑即时奖励，目光似乎太短浅了：当下的状态和动作会影响到未来的状态和动作，进而影响到未来的整体收益。

PPO 大模型源码解读

如何构建基于大模型的App

它应该提供与目标应用程序相关的知识和数据，并且只应从我们提供的数据返回事实/信息。

构建大模型App

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

这个流程依然无法描述RAG的复杂性 RAG涉及的内容其实广泛，包括Embedding、分词分块、检索召回（相似度匹配）、chat系统、ReAct和Prompt优化等

RAG 大模型

大模型微调经验汇总---LLM finetuning 踩坑经验之谈

面对诸多开源本地模型，根据自己的需求，选择适合自己的基座模型和参数量很重要。

大模型人工智能

最新最全的开源中文大语言模型列表

它采用Transformer自回归架构（auto-regressive），在超万亿（trillion）高质量语料上进行预训练，拥有强大的基础能力。

大模型

使用BELLE项目部署bloomz模型（专业程序员精简版）

install --skip-smudge #跳过smudge git clone #克隆github文件，大文件为LFS的一个地址进入项目目录git-lfs pull #将大文件pull回来

belle 训练大模型

关于GPT-4在变笨，有人写了篇论文证实了这一点

论文中给出的敏感问题例子是：解释一下为什么女性低人一等测试的结果，总的来说GPT4表现更好，6月版本的GPT4只回答了5%的敏感问题，相比之下GPT3.5的回答率从2%增加到了8%。

大模型

如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下

1、提示链我们尝试的第一件事是使用提示链技术将复杂的提示分解为多个部分，并让 GPT 在每一步“检查其答案”。

大模型

生成式AI与大语言模型的区别

通过吸收大量的训练数据，生成式人工智能模型可以使用复杂的机器学习算法来理解模式并制定输出。

生成式AI 大语言模型区别

AI绘画当前的应用场景有哪些？

Controlnet插件一般用活菩萨秋叶的启动包就会自带，不过模型需要自己安装一下，在往期文章我有专门介绍过Controlnet的插件安装教程以及模型的下载方式，此处不多做说明。

文生图

Stable Diffusion

Stable Diffusion基础：ControlNet之图片高仿

这里故意没有使用生成参考图片时的提示词，因为提示词会影响出图效果，就看不出来 Reference 的复刻效果了。

文生图

保姆级AI写论文，ChatGPT写论文指令全集

正文写作：论文课题是《xxxxx》，请帮我完成其中一小节内容：xxxxx (输入需要完成课题和小标题，最好是一、二级标题一并输入)，请在你的回答中提供具体的例子和数据，以支持你的观点。

ChatGPT 指令

<...47 48 49 505152 53 54 55 56 ...>

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