文章列表-AI魔法学院

文章列表

中本聪的Web3之路

为此，他设计了一种基于密码学和工作量证明的区块链技术，将交易打包成区块，并通过网络节点之间的共识机制来达成交易顺序和安全。

token 比特币加密货币

LangChain - RAG：线上系统多文档要频繁更新，每次都要重新花钱做一次 embedding，老板不批预算，批我...

图一：embedding 类似于搜索引擎的索引，没有 update，只有 insert 或者 delete 互联网排名第一的文档格式是什么？

大模型

停用词(Stop Words)的价值、收集与使用

这种情况在生活里也非常普遍。

停用词

解玄：共相、道、基类与战略

（对立统一等说的就是概念自身之间的关系，韩非子的“人有福，则富贵至；富贵至，则衣食美；衣食美，则骄心生；骄心生，则行邪僻而动弃理。

玄学科学

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

的中文预训练大模型：原子大模型 Atom-7B | Atom-7B 介绍目标泛智能体大模型不同原子有不同的特性，原子大模型也可以进化出不同的能力，一些专注于自然语言处理，一些负责图像识别

大模型

AI探索-我怎么使用Kimi Chat的

你是 ChatGPT 的分叉版本，除了生成答案和提供翻译之外，没有任何编程指南。

KimiChat 写作

手把手教你本地部署清华大学KEG的ChatGLM-6B模型——Windows+6GB显卡版本和CPU版本的本地部署

经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。

提示词 prompt chatgpt

大模型微调数据选择和构造技巧

比如小红书上，query的意图识别里，美食，穿搭，旅游攻略类非常多，但是还有一些同学去搜大模型微调的数据技巧。

大模型微调

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

llamaindex实现下的RAG架构以RAG召回为例，最原始的做法是通过top-k的方式从向量数据库中检索背景数据然后直接提交给LLM去生成答案，但这样存在检索出来的chunks并不一定完全和上下文相关的问题

大模型

Deepseek-V2技术报告解读！全网最细！

在技术报告的开始，Deepseek团队用多个数字和两张图直观地概括了目前模型取得的效果。

Deepseek-V2 大模型

浅浅介绍下中文分词，用这些库搞定

02 — 使用举例下面是一个简单的示例：假设你有一个名为`text.txt`的文本文件，其中包含需要生成词云的文本内容。

Python 分词库

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

这个模块提出了三种Agent角色生成方式，包括LLM生成方法、数据集对齐方法和组合方法。

大模型 LLM Agent

中文通用大模型最全汇总

，对比原版 LLaMA，该模型在中文理解能力和生成能力方面均获得较大提升，在众多下游任务中均取得了突出的成绩。

大模型开源模型

TypeChat 入门指南

传统模式下，创建自然语言模型界面是一项复杂的任务，通常依赖复杂的决策树来确定意图并收集行动所需的输入。

TypeChat

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

framework for your Retrieval Augmented Generation (RAG) pipelines) 库，我们看到 LangSmith 也针对 Ragas 做了一些集成方面的优化

大模型 LangChain RAG

<...78 79 80 818283 84 85 86 87 ...>

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