首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
22.1 质量管理重要性:上线后的内容质量监控
22.1 质量管理重要性:上线后的内容质量监控 课程概述 从本章开始,我们将进入模型持续提升的学习。在前面的章节中,我们学习了模型评估的相关内容,了解了如何在产品开发和测试阶段评估模型性能。然而,模型
21.3 业务导向评测:构建贴合实际场景的评估体系
21.3 业务导向评测:构建贴合实际场景的评估体系 课程概述 在上一节课中,我们学习了模型评测的三个核心维度:通用评测、场景化评测和安全策略。本节课我们将深入探讨如何构建业务导向的评测体系,重点关注如
21.2 评测维度解析:通用评测vs场景化评测vs安全策略
21.2 评测维度解析:通用评测vs场景化评测vs安全策略 课程概述 在上一节课中,我们学习了模型评估的重要性和价值。本节课我们将深入解析模型评测的具体维度,重点探讨通用评测、场景化评测和安全策略这三
21.1 评测价值:为什么产品经理必须掌握模型评估
21.1 评测价值:为什么产品经理必须掌握模型评估 课程概述 从本章开始,我们将进入模型评测体系的学习。模型评测是AIGC产品开发和运营过程中的关键环节,它不仅影响产品的质量和用户体验,更直接关系到产
20.5 工具体系建设:微调、评估、蒸馏等核心工具
20.5 工具体系建设:微调、评估、蒸馏等核心工具 课程概述 在上一节课中,我们学习了对齐引擎的设计,了解了如何整合Prompt工程、模型微调和RLHF等技术来实现模型与业务需求的对齐。本节课我们将探
20.4 对齐引擎设计:Prompt工程+微调+RLHF整合
20.4 对齐引擎设计:Prompt工程+微调+RLHF整合 课程概述 在上一节课中,我们学习了少样本学习技术,了解了如何在数据稀缺的情况下快速适应新场景。本节课我们将探讨对齐引擎的设计,这是确保AI
苹果悄悄买空全球内存,背后藏着一盘大棋
一、到底发生了啥? 简单说就是:苹果在疯狂囤内存,而且是不惜加钱的那种囤。 具体怎么回事呢?全球做手机内存的主要就三家:三星、SK海力士、美光。过去这一年,这三家陆续收到苹果的大单——不是正常的采购,
20.3 少样本学习:基于少量数据快速微调模型
20.3 少样本学习:基于少量数据快速微调模型 课程概述 在上一节课中,我们学习了如何将业务需求转化为机器可理解的描述。本节课我们将探讨少样本学习(Few-shot Learning)技术,这是智能体
20.2 需求转化:从业务语言到机器可理解描述
20.2 需求转化:从业务语言到机器可理解描述 课程概述 在上一节课中,我们明确了智能体生产平台的定位和核心价值。本节课我们将深入探讨平台的核心技术能力之一——需求转化,即如何将业务人员使用的自然语言
9.4 实战应用:Prompt在实际业务场景中的妙用
9.4 实战:使用自己的数据集做 Stable Diffusion 的 LoRA 模型微调 引言 在上一节中,我们学习了如何使用现有的LoRA模型来定制Stable Diffusion的生成效果。然而
Show HN: sllm – Split a GPU node with other developers, unlimited tokens | 海外技术热榜翻译
本文翻译自Hacker News最新热门技术文章,包含前沿技术方案、最佳实践和落地经验,帮助开发者提升技术视野。
9.3 进阶技巧:思维链(CoT)与思维树(ToT)应用
9.3 实战:Stable Diffusion 的 LoRA 模型使用 引言 在前两节中,我们深入学习了文生图/图生图技术的应用概览以及Stable Diffusion的生图过程。在实际应用中,我们经
9.2 设计原则与框架:构建高效Prompt的方法论
9.2 Stable Diffusion 生图的过程精讲 引言 在上一节中,我们全面了解了文生图和图生图技术的应用概览。Stable Diffusion作为当前最热门的文生图技术之一,凭借其开源特性、
9.1 Prompt入门课:什么是好Prompt的黄金标准
9.1 Prompt入门课:什么是好Prompt的黄金标准 1. 引言 1.1 为什么Prompt工程是AIGC产品经理的必修课? 在前面的章节中,我们已经深入了解了AIGC技术的发展历程、大模型的核
8.5 如何写好 Multi-Agent
8.5 如何写好 Multi-Agent 引言 在前几节中,我们深入探讨了Single-Agent与Multi-Agent的区别,了解了Multi-Agent系统在处理复杂任务时的优势。然而,设计和实
8.4 验收标准制定:大模型产品质量把控关键
8.4 Single-Agent vs Multi-Agent 引言 在前几节中,我们深入探讨了AI Agent的核心概念、技术组件以及在Coze平台上的具体实现。随着AI技术的不断发展,我们发现单一
AI 驱动的代码重构:利用 LLM 优化遗留代码的策略
探讨如何将 LLM 融入开发工作流,实战利用 AI 自动识别代码坏味道并生成符合 SOLID 原则的重构方案。
【标准流程】SDD 的五阶段 SOP:打造工业级 AI 研发流水线
终结AI编程游击战,打造工业化研发标准!本文详细拆解SDD五阶段SOP(宪法-说明-计划-任务-执行),明确人机决策边界,并提供拿走即用的高价值规则模板。
8.3 需求传递艺术:如何准确向算法团队传达需求
8.3 coze 和他的变量,Function Calling,知识库,数据库,工作流 引言 在前一节中,我们深入探讨了AI Agent的概念、原理以及与AI Copilot的区别。现在,让我们通过一
8.2 AIGC项目PRD:如何编写高质量的产品文档
8.2 从 Copilot 到 Agent(agent 概念,原理,和 Copilot 的对比) 引言 在前面的章节中,我们介绍了Agent Studio大模型开发平台,了解了它在AI Agent开发
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30