文章列表-AI魔法学院

文章列表

ChatGPT等大模型实用的提问技巧

结构描述举例备注语境描述 Context 提供外部信息或额外的上下文信息，引导语言模型更好的响应

大模型

大模型微调方法总结

但是随着预训练语言模型越来越大，这个范式存在以下问题： ● 当我们 finetune 大模型时，由于训练成本太高，不太可能重新训练所有模型参数 ● 以前的方法（论文发表于 2021 年）都或多或少有其它性能问题

开源模型

大模型能力评估体系

10多家国内外多家调研机构、权威媒体和高校等发布大模型评测报告，包括新华社研究院中国企业发展研究中心发布的《人工智能大模型体验报告2.0》、天津大学和信创海河实验室发布的《大模型评测报告》、国际数据公司

大模型评估

OCR的终极解法——传统算法VS多模态大模型

不管怎么样现在的 AI 算法很少有用响应速度作为指标的，特别是大模型，响应速度惨不忍睹。

OCR 大模型文字识别

万字长文-大语言模型指令调优综述

写在前面大模型纵横的时代，不仅大模型越来越卷，就连大模型相关综述也是越来越卷。

大语言模型

目前大语言模型的评测基准有哪些？

ChatbotArena：借鉴游戏排位赛机制，让人类对模型两两评价 ChatbotArena是一个大型语言模型 (LLM) 的基准平台，该项目方LMSYS Org是由加州大学伯克利分校、加州大学圣地亚哥分校和卡内基梅隆大学合作创立的研究组织

人工智能评测大模型

最透彻的大模型PPO原理和源码解读

“防止模型训歪”换一个更详细的解释是：我们希望训练出来的Actor模型既能达到符合人类喜好的目的，又尽量让它和SFT模型不要差异太大。

PPO 大模型源码解读

深度对比丨探索LLM（大模型）部署服务的七大框架差异

· 局限性虽然该库提供了用户友好的特性和广泛的功能，但也存在一定的限制： · 添加自定义模型：虽然可以合并自己的模型，但如果模型不使用与 vLLM 中现有模型类似的架构

大模型

大模型时代-行业落地的再思考

写在前面大家好，目前大模型落地是大家特别关心的问题，之前我也对垂直领域大模型的做了一些思考并对领域开源模型进行汇总。

大模型

大模型与游戏结合的一个思路

该篇文章写于2019年，当时还没有ChatGPT这样的大模型，所以那时的思路主要是让游戏能够根据玩家水平的逐步提高，游戏的难度也相应提高，使得玩家始终有一种棋逢对手的感觉，从而增加游戏的可玩性，即笔者在文章中所说的

人工智能游戏

大模型检索增强生成RAG的优化

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 检索增强大模型

详解大模型RLHF过程（配代码解读）

出自：https://zhuanlan.zhihu.com/p/624589622 一直都特别好奇大模型的强化学习微调是怎么做的，网上虽然相关文章不少，但找到的文章都是浅尝辄止说到用PPO训练，再细致深入的就没有讲了

训练

对于大模型RAG技术的一些思考

这样极大地影响了生成向量的精准度，以及大模型输出的效果。

RAG 大模型

大模型在金融行业的应用场景

本文整理了国内外大模型在金融行业的应用场景，内容不够详实，仅供参考。

大模型金融应用

垂直领域大模型的一些思考及开源模型汇总

个人觉得垂直领域大模型或者说大模型领域化、行业化才是大模型落地的核心要素。

垂直领域大模型开源模型汇总

<...4 5 6 789 10 11 12 13 ...>

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