文章列表-AI魔法学院

文章列表

2023年人工智能行业总结（精简版）

在2023年，AI领域经历了诸多变革，仿佛释放了过去十几年的积累。

人工智能行业总结

用AI轻松玩转年度总结PPT

嗨，各位办公室、行政部、HR 的小伙伴们岁末年初，辛苦工作了快一年的你，是否又开始了一项重要工作那就是年度工作总结！

PPT 年终总结

2023年人工智能行业总结

这一年中，AI领域经历了众多的变革，仿佛将过去十几年的积累在一夜之间彻底释放。

人工智能 AGI 思考总结

ChatGPT提示工程 - 总结

拿印度来说，1900年，该国人口的预期寿命为24岁，而美国为49岁。

GPT

大模型微调方法总结

但是随着预训练语言模型越来越大，这个范式存在以下问题： ● 当我们 finetune 大模型时，由于训练成本太高，不太可能重新训练所有模型参数 ● 以前的方法（论文发表于 2021 年）都或多或少有其它性能问题

开源模型

总结些SDXL出人像时遇到的困难

这次正好在实践中学习，先不管什么章法，直接看图说话就行了，后面再逐渐总结出规律。

文生图 SDXL

大模型实践总结

最近一段时间，我也在探索大模型相关的一些技术，下面做一个简单的总结。

大模型训练

截至2023年5月份业界支持中文大语言模型开源总结及商用协议分析

StableVicuna 十一、开源可商用的MPT系列十二、清华大学的ChatGLM-6B和VisualGLM-6B 十三、基于RNN架构的RWKV-4-Raven-14B 总结

大模型

ChatGPT提示工程5篇合集(二)：ChatGPT提示工程 - 总结

本篇介绍一下如何对内容进行总结。

prompt 提示词

吴恩达Prompt教程之总结图解

本篇文章是前几篇文章的总结，一图胜千言，所以用如下的思维导图将吴恩达老师Prompt教程进行了梳理。

prompt 教程吴恩达

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

这里的 steps 代表总训练步数。

训练

总结！大模型微调（Tuning）的常见方法

Prompt Tuning（P-tuning） Prompt Tuning 是2021年谷歌在论文《The Power of Scale for Parameter-Efficient Prompt

微调大模型

大模型推理能力增强方法总结

推理能力作为一种可能的“象征着真正的智慧”的能力，在过去的几年里兴许不是被探索和研究得最多的，但肯定是被讨论得最为热烈的。

推理能力大模型

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

在处理后续序列时，注意力查询可以从压缩内存中检索值，在最终的上下文输出中，Infini attention会聚合从长期记忆检索的值和局部注意力上下文。

大模型上下文

职场及工作中常用的方法论总结

　　方法论是指导做事的基本原则，能够帮助我们快速的触及问题的核心并确定解决思路，好的方法论能让我们事半功倍，下面就总结下我在阿里这几年学习到的部分方法论。　　

工作

<12 3 4 5 6 7 8 9 10 ...>

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