文章列表-AI魔法学院

文章列表

Agent四大范式 | 综述：全面理解Agent工作原理

但是这两种方法各有弊端： § 规则的方法是指把复杂的自然语言问题转化为规则符号，往往需要行业专家的介入，缺乏容错能力，小错误可能导致整个系统的失败。

Agent 大语言模型

大规模训练系列之技术挑战

1.2 数据与模型规模对精度的影响近年来，随着数据规模和模型规模的不断增大，模型精度也得到了进一步提升，一些列研究实验表明，从大模型与大数据入手提高模型精度是可行的。

开源模型

OpenAI Assistants API 使用指南

assistant = create_assistants( instructions="你是一个客户支持机器人，请用你的专业知识回答客户的问题

OpenAI Assistants API

贝叶斯定理的颠覆：为什么你永远说服不了阴谋论者？

2与亲戚和阴谋论者争论如果在节假日晚餐时分与亲戚讨论过政治、气候变化或者最喜欢什么电影之类的话题，那么任何人都会有这样的亲身经历：他们在比较的两个假设都能很好地解释数据（对争论的人来说），但只有一开始的先验保留了下来

贝叶斯定理

大语言模型的拐杖——RLHF基于人类反馈的强化学习

**随着生成模型变得非常出色，Ilya认为它们将具有对世界惊人的理解程度，这是通过文字（text）视角看到的世界，试图通过人们在互联网上表达的文字将世界投影到文字的空间中，以了解关于世界的信息。

大模型训练

Github上Star数最多的大模型应用基础服务：Dify 深度解读

response.message.content return answer.strip() 可以看到就是通过一个 prompt 就完成了原始文档到问答对的转换，可以看到大模型确实可以帮助实现业务所需的基础能力

Dify 大模型知识库

Stable Diffusion

Stable Diffusion由入门到精通

脚本/Script 这一块内容很多，也很专业，一般使用也不用用的。

prompt 文生图

Stable Diffusion

全面理解Stable Diffusion采样器

如果我们增大采样步数会有什么影响呢？

绘画采样器 SD

理解 o3 及其技术分析

对多路reasoning token的利用率相对于上面并没有明显提升，但实现复杂度高了不少，还一定程度上影响了并行效率。

o3 技术分析

Prompt工程如此强大，我们还需要模型训练吗？

1.Fine tune成本高，而且看起来影响模型zero shot或者通用领域方面的能力，

大模型

StreamingLLM 框架：利用最新标记让 AI 记住你的话、创作长篇小说，探索无限长度文本

在多轮对话和其他流媒体应用中，因为预计会有持续较长时间的互动，因此行业内正在研究一种方法，使大型LLM模型能够处理更长的上下文信息。

大模型 llm框架

天塌了，Scaling Law 已撞收益递减墙？OpenAI 在内，所有大模型都正遭遇巨大瓶颈

“传统 scaling laws 下的 LLM 进展可能会放缓”，有研究人员和企业家担心，生成式 AI 已经遇到了障碍，即使如 OpenAI 般急于扩大该技术使用规模的公司，也发现这在实践中很棘手。

Scaling Law AI大模型

《构建个人知识图谱》：让 AIGC 帮你自动构建知识图谱

不过我的个人知识图谱的定位偏向于专业知识，有很多可能是当月新更新的知识，为了杜绝 LLM 的幻觉和胡说八道的问题，暂时放弃 LLM 内部知识。

提示词文生图 AIGC

【进阶】-文生图术语解释

借助检查点，可以导出模型权重，跨多个会话执行训练，以及使训练在发生错误之后得以继续（例如作业抢占）。

文生图

LLM Agent最常见的九种设计模式(图解+代码)

6 Basic Reflection Basic Reflection 可以类比于学生(Generator)写作业，老师(Reflector)来批改建议

LLM Agent 图解

<...64 65 66 67 68 69 707172 73 >

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