文章列表-AI魔法学院

文章列表

【大模型微调】 Llama 2 ：对话模型的全过程微调

预训练（Pretraining）作者在 Llama 的基础之上开发了 Llama 2，该方法采用了经过优化的自回归变换器。

大模型

Stable Diffusion

AI绘画巅峰对决：Stable Diffusion 3与DALL·E 3原理深度比较

https://arxiv.org/abs/2212.09748 Stable Diffusion 3 中 Flow Matching Flow Matching是一个新的生成模型框架，它让训练连续正态化流

Stable Diffusion DALL·E

微调百川Baichuan-13B保姆式教程，手把手教你训练百亿大模型

学习基础知识：建议先学习编程语言的基础知识和语法，例如变量、数据类型、控制结构、函数等。

大模型微调

昆仑万维携Skywork-13B打造AI新纪元：600GB中文数据集全球开源

首先，在模型结构上，Skywork-13B采用了更为“瘦长”的设计，有效提升了模型在大批量数据训练下的泛化能力。

Skywork 开源数据

面向知识图谱的大模型应用

海量知识图图谱推理的挑战在处理海量知识图谱的推理问题时，必须整合先进的技术和方法来优化数据检索和处理。

知识图谱大模型

WebUI使用用InstantID，AI换脸完美版

从路线上看，主要有两条路线，一是一张图换脸，优点是操作简便，缺点是换个姿势的时候，往往不太像，roop等插件是基于这个思路；二是炼制专属LoRA，用目标的5-20张甚至更多脸部照片，训练一个LoRA，从而生成满意的换脸画面

换脸小红书

发现一个好东西，一键本地运行各种大模型！包括最新的Qwen1.5

只要只支持GGUF的大语言模型，都可以一键安装，一键运行，立马开始对话。

Qwen1.5 大模型

关于大模型驱动的AI智能体Agent的一些思考

某些时候我们面对的任务往往还会有很多个性化限制条件。

大模型

MCI-GRU：在真实金融交易中验证有效的股票价格预测模型

2.3 注意力机制与Transformer 注意力机制最早在自然语言处理领域得到了广泛应用，尤其是在Transformer模型中发挥了关键作用。

MCI-GRU 股票大模型

生成式AI工作流#产品经理和创业者的秘密武器

· 良好的性能优化：其内存管理和按需加载机制确保在资源受限的环境下，仍能加载大模型生成高质量图像。

AIGC 工作流

Elasticsearch Relevance Engine---为AI变革提供高级搜索能力[ES向量搜索、常用配置参数]

使用倒数排序融合 (RRF) 轻松组合稀疏和密集检索；倒数排序融合是一种混合排名方法，让开发人员能够自行优化 AI 搜索引擎，以符合他们独特的自然语言和关键字查询类型的组合 &ensp

大模型 AI编程

AIGC系列之一-一文理解什么是Embedding嵌入技术

使用通俗易懂的语言来表达embedding技术，是使用一种模型生成方法，将非结构化的数据，例如文本、图片、视频等数据映射成向量数据，向量都是由数值表达的向量，向量可以被计算机直接处理。

AIGC Embedding 嵌入技术

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

但是，这些语言代理很难快速有效地从试验和错误中学习，因为传统的强化学习方法需要大量的训练样本和昂贵的模型微调。

大模型

Prompt屠龙术-思维链

由于我们向大型语言模型 (LLMs) 提出的问题直接影响其输出结果的质量，因此“prompt工程”是让 LLMs 做我们希望它们做的事情的关键部分。

Prompt 思维链

全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类

Claude 3系列模型在分析预测、创建细微内容、代码生成，以及用西班牙语、日语、法语等非英语语言交流的能力上都实现了显著进步。

claude 大模型

<...54 55 56 575859 60 61 62 63 ...>

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