文章列表-AI魔法学院

文章列表

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

其三是合成得到的监督数据，利用GPT3.5为来自Wiki跟MC4的长文本生成对应的问题，用于缓解模型在长文档检索任务的不足，同时引入额外的多语言数据。

BGE M3-Embedding 多语音检索

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

这个真正难题我在前面的文章中《一些LLM的声音总结》中提到过，基于大模型的企业应用中很大一部分需求就是RAG——检索增强生成。

RAG 大模型

国内法律类大模型介绍

; * 基础模型：ChatLAW-13B * 数据：论文、新闻、法规、司法解释、法律咨询、法考题、判决文书组成，

法律大模型

会“追问”的Agent，大模型知识库另类实践

在实际的生产环境中，此类知识库应用可能遇到两类问题：知识型和政策型（图1）。

大模型

回归分析：探索变量之间的奥秘

无论在哪个领域，经济学、生物学、医学还是社会科学，回归分析都发挥着至关重要的作用，成为指引我们前进的明灯。

回归分析变量

如何看待大型语言模型的Prompt

他们发现，生成的嵌入空间不仅能捕捉语义相似性，还具有某种形式的涌现学习能力——它能够执行“词算术”，这是它未经训练就能做到的事情。

prompt 大语言模型

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

这种严格的监督训练方式限制了模型的泛化性和实用性，因为这样的模型通常还需要额外的标注数据来完成训练时未曾见过的视觉“概念”。

OpenAI 自然语言监督

baichuan2 有什么好的深挖论文中涉及的知识点

随着 ChatGPT 的发布，这些模型生成类似人类文本的能力引起了广泛关注。

大模型

GGUF格式详解

GGUF就是一种二进制格式文件的规范，原始的大模型预训练结果经过转换后变成GGUF格式可以更快地被载入使用，也会消耗更低的资源。

GGUF 大模型

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

此外，Qwen2 系列模型在安全性方面也进行了改进，通过测试显示其在生成有害响应的比例上优于或与其他模型相当。

qwen 千问开源

Deepseek-V2技术报告解读！全网最细！

在成本效率方面，相比V1的稠密模型，V2模型节约了的训练成本，减少了推理时的 KV-cache 显存占用，将生成的吞吐量也提升到了原来的倍。

Deepseek-V2 大模型

大模型微调数据选择和构造技巧

如果说我们直接采样一批线上的图文文本，直接送给标注的话，会存在一个严重的问题：他们标注的数据大部分都是攻略类，技术类比较少，标了3个月才攒了几千条大模型技术文本，但是攻略类已经成几万了。

大模型微调

深入探秘：百川7B大模型的训练代码解析，揭秘巨无霸语言模型背后的奥秘

（二、软件和部署) 本期开始，为大家讲下这些大模型是怎么训练生成的首先，为了确保本系列的讲解流畅，我将直接深入讲解大型语言模型的代码。

大模型

使用ChatGPT检查论文引用、提高研究深度

· · 最新研究论文：通过询问ChatGPT，您可以获取到关于数据分析的最新研究成果和论文，以保持您的知识更新。

ChatGPT 案例

为什么国产大模型都说超越ChatGPT而体验却很拉？警惕 Goodhart law 陷阱

该法则的基本内容是：「当某个指标成为目标时，它就不再是一个好的指标。」

ChatGPT 国产大模型

<...86 87 88 899091 92 93 94 95 ...>

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