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

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

Markdown 介绍及使用教程

先把最常见的几个代码给你看看，so easy好吧在文字前加个#号和一个空格就能设置成标题，一级标题就用一个#号，二级标题就用两个#号，以此类推；在文字两边加**表示对包围的文字加粗

编程

强大高效的微信爬虫Wechat_Articles_Spider：快速获取公众号文章的利器

打开终端或命令提示符，并执行以下命令安装wechat_articles_spider： pip install wechatarticles 步骤 3：安装完成后

微信爬虫

大模型时代-行业落地的再思考

这类做法只是对大模型的生搬硬套，对解决领域问题和传统方法并没有很大的帮助。

大模型

大语言模型应用中的文本分块策略

当嵌入句子时，生成的向量侧重于句子的特定含义。

开源模型

百川智能正式发布130亿参数通用大语言模型百川大模型（Baichuan-13B-Base）

7B版本采用RoPE编码方式，而13B使用了ALiBi位置编码技术，后者能够处理长上下文窗口，甚至可以推断超出训练期间读取数据的上下文长度，从而更好地捕捉文本中上下文的相关性，让预测或生成更准确。

大模型中文

基于Ollama本地部署Llama3指南！

实际使用Llama3 llama3_8B的生成速度非常快，这个版本用N卡8G的显存跑问题也不大。

LLama3 ollama

《OpenAI官方：GPT 最佳实践》大白话编译解读版本

明确完成任务所需的步骤 5.

提示词官方翻译

清华智能体「XAgent」比ChatGPT4.0还好用！

数据分析：展示双环机制的有效性我们将使用一个简单的数据集iris.zip上传到XAgent，然后让XAgent分析数据集并生成一个报告。

ChatGPT 智能体 Agent

<...87 88 89 90 91 929394 95 96 >

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