文章列表-AI魔法学院

文章列表

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

在构建 GSM1k 数据集的过程中，也没有使用任何语言模型。

过拟合小模型

RVC和SVC声音模型难找？推荐这个网站

本篇文章介绍：1，声音数据集训练到模型的过程 2 ，SVC和RVC声音模型网站推荐一、声音数据集训练到模型的过程 AI声音模型训练是通过分析大量音频数据来学习声音特性，生成与目标声音相似的新音频

声音克隆数字人

人工智能的应用范式呼之欲出

在这个思路之下，随之而来的是思维树（ToT，Tree-of-Thought），将单向线性的逐步推导，引入了自带分支的逻辑判断流程。

大模型

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

语音克隆：从提供的音频文件中克隆语音或直接在应用程序中录制您的声音以进行实时克隆。

AI语音克隆实时语音识别

使用思维链写Prompt

例如，面对复杂问题时，使用思维链写的Prompt，能让大型语言模型（如GPT-3或GPT-4）不仅提供答案，还能展示出达到这个答案的思维过程。

思维链 prompt

Stable Diffusion

全面理解Stable Diffusion采样器

重复该过程，最终将会得到清晰的图片。

绘画采样器 SD

【上篇】深度解析AI大语言模型（LLM）在企业应用的关键技术与典型架构

简单的说，大模型具备了相当程度类似人类的“理解”与“思考”能力。

大语言模型

一条价值2W的Prompt，帮你生成提示词的超级提示词

超级提示词如下：你是一个专家级ChatGPT提示工程师，在各种主题方面具有专业知识。

prompt

强大高效的微信爬虫Wechat_Articles_Spider：快速获取公众号文章的利器

特点 wechat_articles_spider具有以下特点： · 自动化爬取：它能够自动化地从指定的微信公众号中抓取文章数据，省去了手动复制粘贴的繁琐过程。

微信爬虫

检索增强生成(RAG)有什么好的优化方案

图1 RAG工作流程（with memory）从RAG的工作流程看，能优化的模块有：文档块切分、文本嵌入模型、提示工程优化、大模型迭代。

RAG 检索增强生成

谈谈RAG存在的一些问题和避免方式

一般来说，分块过程忽略了文本的内容，这就产生了问题。

RAG 大模型

聊聊 AIGC 一些拧巴的现状

非自动化的转化流程，最大的问题是：边际成本高，成交上限低。

开源模型

一键部署本地私人专属知识库，开源免费！可接入GPT-4、Llama 3、Gemma、Kimi等几十种大模型，零代码集成。

所有的程序和文档都不会离开你的电脑，完全运行在本地。

知识库MaxKB 开源

RAT = CoT + RAG

这种现象在需要一系列逻辑推理的场景中尤其明显，凸显了LLM在长任务推理过程中、精确推理和理解上下文的能力方面的差距。

RAT 协同思维链检索增强生成

模型压缩：量化、剪枝和蒸馏

其余层（多为普通的全连接层）的参数量级计算过程并不复杂，读者可自行计算。

BERT 语言模型

<...56 57 58 596061 62 63 64 65 ...>

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