文章列表-AI魔法学院

文章列表

对于大模型RAG技术的一些思考

最近在公司完成了一个内部知识问答应用，实现流程很简单，实际上就是Langchain那一套： · 对文档进行切片 · 将切片后的文本块转变为向量形式存储至向量库中 ·

RAG 大模型

如何提高RAG 的效果

同理，检索到的信息中如果存在冲突，或者冗余的内容时会极大的影响LM 的生成效果。

RAG 大模型

大语言模型微调：定制自己的微调数据集

然而，由于生成Alpaca数据集的self-instruct [2] 技术得到的数据集本身存在一些瑕疵，因此数据集需要进一步清洗和改进，例如alpaca-cleaned [3] 和alpaca-gpt4

大模型

Finchat：一个基于AI人工智能的金融数据分析工具，让你有一个私人投资助理！

Finchat的使用非常简单，你只需要在网页或手机上打开finchat.io，输入你想要查询的问题，就可以看到Finchat为你生成的回答。

用户 finchat

AI Agent / 智能体观察笔记（中）

论文中介绍了一个应用大语言模型实现模仿可致信人类行为的生成式智能体。

大模型

8月份最火的 5 个 GitHub 项目

本期推荐开源项目目录： 1.

下载

Baichuan-13B 保姆级微调范例

本范例微调的模型是Baichuan-13B-Chat，我们使用非常简单的，外卖评论数据集来实施微调，对一段外卖评论区分是好评还是差评。

开源模型

ComfyUI学习笔记：插件安装

ComfyUI是节点式编程的环境思路，安装后的默认启动示例，是一套生成图像所需的基础节点组合：上图包含加载模型、设置关键词、设置图像大小、选择采样器、VAE解码、保存图片。

comfyui 插件绘画

NEFTune：在Embedding中加入噪⾳提⾼指令微调效果！

对NEFTune的评估结果：改善了文本质量从表1中可以看出，在7B规模下，所有数据集都有所增加，平均增幅为15.1%。

NEFTune 大语言模型

Prompt工程如此强大，我们还需要模型训练吗？

LLM原始训练目标是为了生成自然、连贯的文本，因为其本身接受了大量的文本进行预训练，因此根据提示补全和创造文本就是模型的原生能力。

大模型

WeChaty：强大的微信个人号机器人SDK

本文将介绍 WeChaty 及其 Python 接口，探讨如何通过 WeChaty 在 Python 环境中构建智能微信机器人。

微信接口

保姆级教程：Coze 打工你躺平

o o Step2：发布到飞书，基本成型 o &ensp

Coze 教程

Prompt及AI提问实践

语料准备好了，我们看看一个经典的客服对话场景（用大模型生成的模拟数据）：用户：我上周在你家买了个手机，但今天发现它有点问题，我能退或者换吗？

Prompt 大模型提问

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

Generation，生成，而 Retrieval-augmented 就是指除了 llm 本身已经学到的知识之外，通过外挂其他数据源的方式来增强 LLM 的能力，这其中就包括了外部向量数据库、外部知识图谱

大模型

LLM微调经验&认知

延申下来，可以理解Llama（原生）是一个会听不会讲中文的人，用中文语料做指令微调，实际上更多是教他“说中文”。

LLM 大模型

<...88 89 90 91 929394 95 96 97 >

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