文章列表-AI魔法学院

文章列表

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

内置断线重连和消息追踪的功能不在协议范围内，需手动实现文本或使用

GPT

从Langchain到ReAct，在大模型时代下全新的应用开发核心

它是如何运作的图片来源：https://arxiv.org/abs/2210.03629 一个ReAct流程里，关键是三个概念： Thought：由LLM模型生成，是LLM产生行为和依据。

大模型

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

延伸阅读：LangChain 0.1.0版本正式发布，One More Thing将成了Agent落地生产的福音本文以官方提供的“Text2SQL的ReAct Agent”为例来了解基本的开发过程

Agent QueryPipeline 大模型

角色，背景，任务，产出内容与形式：如何写出优雅的prompt？ - 通用的万能框架

prompt翻译成中文，就是“提示”。

提示词 prompt

AI 产品榜 · 国内 100 强和出海 20 强

如果您是投资人：本榜单为您提供非常具有潜力和市场吸引力的AI产品的清晰快照，助您更精准地判断和布局下一步的投资。

大模型大模型应用行业分析

大模型实践总结

文本生成。

大模型训练

谁杀死了我们的技术教程？网络技术教程越来越少？

就是一本正经地发废话，举个例子：明明官网上对于Vue3的生命周期已经非常详细，结果还要拆分为多篇文章，一篇文章一篇文章地介绍： “Vue3生命周期-beforeCreate”、“Vue3生命周期-beforeUpdate

技术技术教程

RAG与Long-Context之争—没必要争

但大模型随着输入长度越长，KV Cache所占资源就越多，成本也会剧增，这也是为什么有人持观点，未来也会有RAG。

RAG Long-Context 大模型

PymuPDF4llm：PDF 提取的革命

正是在这样的背景下，PymuPDF4llm应运而生，它以其开源、免费、强大的特点，迅速赢得了广大开发者的青睐。

PymuPDF4llm PDF

大模型压缩首篇综述来啦~

论文链接：https://arxiv.org/pdf/2308.07633.pdf 模型压缩涉及将大型资源密集型模型转化为适合在受限移动设备上存储的紧凑版本。

大模型

AI颠覆的第一个体育赛道，来了

这一平台的数据模型分析了超过10万名活跃球员的数据，不仅生成球员排名，还根据球员特点和俱乐部需求进行“数据加权”，提高了寻找合适球员的准确性。

体育 AI

为什么大佬都在说Agent是未来？换个角度来谈一谈

从上面的例子可以得到以下一些直观的认识： 1）LLM和RAG本质上还是面向的内容生成，是在知识和信息层面做工作。

Agent 大模型

被低估的面壁：打造出不输 OpenAI 的 Scaling Law 曲线

但面壁团队关注的却是 GPT-4 的两个创新点：一是 GPT-4 的输入文本达到了 32k 的长度，而当时国内的大模型能处理的文本长度只有 512，之后“长文本”也成为国内外大模型研究的重点对象；二是

Grok-1 开源模型

深入解析 Mistral AI 的 Mixtral 8x7B 开源MoE大模型

与参数量高达 467 亿的 GPT-4 等大型模型相比，Mixtral 8x7B 更小的模型体积展现了 Mistral AI 对实用性的重视。

开源模型 Mixtral 8x7B

小心你的GPTs 防守篇 - 自带六神装的高防GPTs

不少群友想要我们分享一下防守的经验，这一篇我们就来为大家带来，我们收集到的所有 GPTs 防守技巧，希望能帮大家守护好自己的“提示词财富” 跟上一节“攻”GPTs 一样，我们将保护 GPTs 分成了

GPTs 大模型

<...81 82 83 848586 87 88 89 90 ...>

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