文章列表-AI魔法学院

文章列表

使用自己的数据训练清华ChatGLM2-6B 模型

o { "content": "类型#上衣*版型#宽松*版型#显瘦*图案#线条*衣样式#衬衫*衣袖型#泡泡袖*衣款式#抽绳",

ChatGLM2-6B

RAG模型的主要痛点和解决方案

解决方案： - 设计模型架构，以显式地跟踪证据和解释作为结构化的链/图。

rag 大模型

17岁高中生写了个神级Prompt，直接把Claude强化成了满血o1。

现在的o1，不能识图、不能运行代码、排版一团糟，体验真的很差。

prompt 大模型

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

以下是问答系统的工作流程图： 02.

开源模型

Qwen7b微调保姆级教程

,'你能帮助我干什么'] i_can = ['我能够帮助你以最优雅的方式训练各种类型的pytorch模型，并且训练过程中会自动展示一个非常美丽的训练过程图表。']

Qwen7b 大模型

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

爬坑代理环境 pending时间过长在本地代理的加持下，存在eventstream在当前请求结束后一股脑发完的情况后台限定1s一条，但到了客户端便成了上图这样（与云服务器流量大小也有一定关系

GPT

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

答：有以下好处：对齐人类意图，能够理解自然语言对话（更有人情味）经过微调（fine-tuned），定制版的GPT-3在不同应用中的提升非常明显。

大模型

在飞速发展的时代管理AI风险

仅仅四年后，深度学习系统就可以编写软件，根据需求生成逼真的场景，就知识主题提供建议，并结合语言和图像处理指导机器人。

人工智能伦理

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

ensp; = 20 ) docs = text_splitter.create_documents([text]) Content-Aware：基于内容意图分块

RAG 大模型

金融行业的开源AI大模型

此外，项目还计划使用GPT3.5/4.0 API构建更高质量的数据集，并在中文知识图谱-金融、CFLEB金融数据集等基础上扩充指令数据集。

开源大模型

RPA终极发展方向瞄准AI Agent，超自动化智能体时代已经开启

除了基于规则和说明的结构化数据，IPA能处理的数据可来自于电子邮件、文档和图像，认知自动化基于对过去经验的分析，通过不断整合历史数据和新数据，自动化流程会适应收到的反馈，以预测产品或服务的需求为例。

RPA 自动化

数字人直播哪家强？中国数字人平台分析大全

另外据说风平智能即将发布一款偏向于C端的「1号AI」小程序，亮点是文案、图像素材全部由AI自动生成和匹配，可以达到一键AI自动生成短视频的效果，十分期待。

数字分身数字人

ChatGPT 技巧 | Prompt 逆向工程

而且湿巾上的图案非常可爱，让我想起了童年的时光。

chatgpt 提示词 prompt

小学生都能看懂的 Prompt 高级技巧： Few-Shots 、 COT 、 SC、 TOT 、 Step-Back

CRISPE框架如图所示。

Prompt 大模型

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

嵌入式表征进行拼接，能够让LLM在医学领域方面获得不错的应用效果 Large Language Models Encode Clinical Knowledge 指令提示微调 IPT的建模示意图

训练微调

<...68 69 70 71 72 73 74 757677 >

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