AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
RAG 模型的“灵魂伴侣”：如何挑选最适合的嵌入方法？
原创在当今信息爆炸的时代，如何从海量数据中快速、准确地获取所需信息，成为了一个亟待解决的问题。而RetrievalAugmentedGeneration（RAG）模型的出现，就像为信息检索和生成插上了翅膀。它就像一位记者，在撰写报道时不仅依赖记忆，还会深入档案库查找资料、核实事实，从而让内容更加准确、有说服力。而在这个过程中，选择合适的嵌入方法（embedding）就如同为记者配备了强大的“搜索引擎”，能够帮助模型更高效地检索和排序相关...RAG大模型「DeepSeek-V3 技术解析」：DeepSeekMoE
原创编者按：为什么说DeepSeekMoE的“共享专家隔离”设计，既能保留通用知识又能减少冗余？传统MoE的专家真的“专精”吗？传统MoE专家易“崩溃”，DeepSeekMoE如何通过“更细粒度的专家分割”让每个专家专注更小领域，解决负载不均衡问题？作者巧妙地用餐厅厨师的比喻，将抽象的技术概念形象化——是聘用一位熟悉多种菜系的厨师，还是聘用多位各有专长的厨师更明智？随后，文章深入剖析了DeepSeekMoE的两大创新：更细粒度的专家分割...MoELLMTrae+Dify 一小时制作对话流OA请假智能体，真是太体贴了！
原创前几天《人人都会做智能体》社区的成员提问，OA请假可以用智能体实现吗？我第一反应是这种问题有点太简单了，但是转念一想，越是这种简单的任务，反而更有科普价值，因为很多人还没深入了解过智能体（Agent）到底是什么，我不能先入为主的将其定义为没有必要的简单。想了解智能体是什么，可以先看我之前的这篇文章。【人人都会做智能体】Agent是什么,简单中等复杂商用的智能体又是什么所以今天我们一起来实现一个基于对话流的请...TraeDifyOA智能体【人人都会做智能体】Agent是什么,简单中等复杂商用的智能体又是什么?
原创今天我将开启《人人都会做智能体》公开课的第1节课。《人人都会做智能体》公开课以智能体的小白科普和初级制作为目标，将从智能体基础认知（LLM+RAG+WorkFlow+Agent）、智能体拆解复原、开发环境部署、智能体项目实战等几个部分，按照学习习惯，迭代式递进式的，采用图文结合的方式，循序渐进带领大家一步步掌握智能体制作的方法、技巧和经验。智能体项目实战部分，现在初步定了两个，我之前的文章已经开始写了。一个是长篇图文...Agent智能体Awesome-llm-apps：大语言模型应用的宝藏仓库
大语言模型（LLM）正以前所未有的速度改变着我们的生活和工作方式。“awesomellmapps”这个精心策划的仓库，为开发者和研究者们提供了丰富多样的大语言模型应用示例。1.仓库概述“awesomellmapps”是一个汇聚了众多使用检索增强生成（RAG）和人工智能代理构建的大语言模型应用程序的仓库。它涵盖了多种基于不同大语言模型构建的应用，包括OpenAI、Anthropic、Google的模型，以及DeepSeek、Qwen、Llama等开源模型，并且用户可以...大语言模型应用面向疾病管理的对话式人工智能 - Google研究院&DeepMind
摘要虽然大型语言模型（LLMs）在诊断对话中显示出潜力，但它们在有效管理推理方面的能力——包括疾病进展、治疗反应和安全药物处方——仍有待进一步探索。我们通过一种新的基于LLMs的代理系统推进了之前展示的ArticulateMedicalIntelligenceExplorer（AMIE）的诊断能力，该系统针对临床管理和对话进行了优化，整合了对疾病演变、多次患者就诊经历、治疗反应以及药物处方专业能力的推理。AMIE在权威临床知识的基础上进行推理，利...Google人工智能DeepMindFinarena：基于大模型智能体的金融市场分析和预测人机协作框架
金融市场复杂且动态，受经济指标、地缘政治事件和投资者行为的影响，传统线性分析方法难以捕捉其非线性特征。传统统计方法（如CAPM、ARIMA）无法有效利用非结构化数据（如新闻、经济报告）进行分析和预测。本文提出FinArena框架，结合人机协作以改善股票趋势预测和个性化投资决策。人模块通过交互界面捕捉个体风险偏好，制定个性化投资策略。机器模块利用基于大型语言模型的多代理系统整合多种金融数据源。FinArena在股票趋势预...大模型智能体框架自动化漏洞修复：从基于模板的方法到AI代理的演变
原创自动化漏洞修复已经从简单的基于模板的方法发展到由LLM、代理、无代理和RAG范例驱动的复杂AI系统。如果你有软件开发经验，就会知道调试通常是工作中最耗时且最令人沮丧的部分。试想一下，如果人工智能可以帮你处理这些烦人的漏洞呢？自动化程序修复（AutomatedProgramRepair，APR）的最新进展使这一目标日益成为现实。接下来，就让我们来探索一下这项技术是如何发展的，以及它的发展方向吧。基础：传统的漏洞修复方法早期的自动...大型语言模型LLM人工智能深入探讨AI Agent在2025年的发展
AI系统正逐步获得在现实世界中独立行动的能力。过去一年，我们在推理、计算机控制和记忆系统方面取得了重大进展，这些技术推动了这一转变。本文分析了这些发展的技术基础、不同领域中AIAgent的现状，以及确保其可靠性所需的基础设施。我们将探讨推动这一变革的技术进步，以及尚待解决的挑战。第一部分：巨大的转变——从模型到Agent2024年，我们见证了AIAgent关键能力的崛起。OpenAI的o1和o3模型表明，机器可以分解复杂任务。Cl...AIAgentChatGPT颠覆传统渲染：实时云渲染技术的五大核心优势与产业变革
在数字内容创作井喷式发展的今天，从影视特效到工业仿真，从元宇宙体验到建筑设计，实时渲染技术已成为数字世界的"造物主之笔"。当传统本地渲染仍在与高性能硬件、复杂部署流程作斗争时，实时云渲染技术正以摧枯拉朽之势重构整个产业生态。这项将GPU算力与云计算深度融合的技术，不仅突破了物理设备的桎梏，更开启了"云端创作、终端交互"的新纪元。一、算力解放：从笨重设备到万物互联的进化传统本地渲染的硬件桎梏令人窒息：一...云算力云计算云渲染算力人工智能什么是神经网络-循环神经网络RNN各层详解及实例展示
循环神经网络（RNN）是一类能够处理序列数据的神经网络，它在处理自然语言处理、语音识别、时间序列分析等任务中表现出色。RNN的独特之处在于它能够捕捉序列中的时间依赖关系，这使得它与传统的前馈神经网络（如MLP）有着显著的不同。RNN的基本原理在标准的前馈神经网络中，输入和输出之间的映射是静态的：输入通过一组层的线性变换和非线性激活函数，然后生成输出。而RNN引入了循环的概念：在处理序列数据时，RNN不仅考虑当前...神经网络网络RNN60张图深度剖析LLM Agents，逼近通用人工智能
LLM代理正变得越来越普遍，似乎取代了我们熟悉的“常规”对话式LLM。这些令人难以置信的功能并不容易创建，需要许多组件协同工作。本文中提供了60多个自定义视觉对象，您将探索LLM代理领域、它们的主要组件，并探索多代理框架。什么是LLM代理要了解什么是LLM代理，让我们首先探索LLM的基本功能。传统上，LLM只做下一个标记预测。通过连续对许多tokens进行采样，我们可以模拟对话并使用LLM为我们的查询提供更广泛的答案。然而，...LLMAgentsMetaGPT理解什么是推理模型，看懂这篇就够了
精华DeepSeekR1、OpenAIo3mini和GoogleGemini2.0FlashThinking是通过“推理”框架将LLMs扩展到新高度的典范。它们标志着从扩展训练时计算转变为扩展测试时计算的范式转变。在这篇文章中，有超过40个自定义视觉效果，你将探索推理领域、测试时计算，并深入研究DeepSeekR1。什么是推理LLMs？与常规的LLMs相比，推理LLMs通常会在回答给定问题之前将问题分解为更小的步骤（通常称为推理步骤或思维过程）。那么，“思考过程”、“推理步...推理模型LLMs理解什么是AI Agent，看懂这篇就够了
AIAgent越来越为人们熟知，我们熟悉的那种对话式大模型，正在慢慢淡出视野。但这些Agent所包含的复杂功能，往往需要许多组件模块协同工作。问题来了，什么是Agent？传统意义上，LLM是一个概率预测模型，用于预测下一个token产生的概率。通过连续对tokens进行采样，我们就可以模拟与LLM进行对话，使用LLM辅助查询更多信息，为我们提供更广泛的答案。然而，任何LLM都会在我们对话的过程中，暴露出它的缺点：没有记忆能力，记不住...AIAgent模块OpenAI 发布GPT-4.5：更大规模、更知识渊博的模型，预训练的巅峰之作，COT升级为COD
OpenAI昨晚宣布推出其最新的预训练模型GPT4.5，这是一款在规模和知识水平上均达到新高度的产品，被OpenAI誉为其“迄今为止最大、知识最渊博的模型”，标志着无监督学习的又一次重大飞跃。GPT4.5目前作为研究预览版，向ChatGPTPro用户和开发者开放，预计下周将向Plus用户和其他用户开放。核心更新与特点预训练规模显著提升：GPT4.5的预训练计算规模大约是GPT4的10倍，带来性能的全面提升。在性能甚至超过了一些推理模型，如gemin...OpenAIGPT-4.5模型GPT-4.5发布了，参数规模可能在3-5万亿之间，宣称是最好的聊天模型，但有“强弩之末”的感觉
2月28日OpenAI发布了GPT4.5，OpenAI称这是其迄今为止最大的预训练模型。我有点期待GPT4.5会带来令人振奋的突破。然而，从官方披露的信息以及实际表现来看，GPT4.5没有展现出超越前代模型的显著优势。有点“强弩之末”的感觉。可能再次验证了业界比较广泛的认知：“单纯扩大模型参数规模，对性能提升的边际效应正在递减”。接下来分几个章节，谈谈我的感受。期待与现实的落差GPT4.5被OpenAI定位为“ourlargestandbestmodelforcha...GPT-4.5聊天模型参数规模GPT‑4.5发布：一款迄今为止最大、最贵的模型
原创01、概述随着技术的不断进步，我们迎来了GPT4.5的研究预览版。这是OpenAI推出的最强大的聊天模型之一，相比于之前的版本，GPT4.5在多个方面都有显著的提升。它不仅在预训练和后训练上进行了更深的扩展，而且在“情商”方面的表现也大幅度提高。今天，让我们一起探讨GPT4.5的创新亮点，以及它如何改变我们与AI互动的方式。02、什么是GPT4.5？GPT4.5代表了自然语言处理技术的又一次飞跃，它的能力主要体现在两个方面：无监督学习...GPT‑4.5无监督学习模型训练大模型为什么 RAG 一定需要 Rerank？
原创今天想和大家深入探讨一下检索增强生成（RAG）中的一个重要环节——重排序（Rerank）。RAG技术一直以来都备受关注，尤其是当它与大模型（LLM）结合后，人们都满怀期待地认为：这下终于可以轻松解决那些复杂的问答任务了！然而，现实往往并不如人意。很多开发者在完成一个RAG流程后，都会感到困惑：为什么它的效果并没有达到预期呢？其实，和大多数工具一样，RAG的使用虽然简单，但想要真正精通却并非易事。事实上，RAG并不仅仅...RAGRerankLLM大模型HuggingFace、a16z向白宫谏言，激辩OpenAI：开源才是美国最大的AI竞争优势，垄断不是！
原创编辑言征出品51CTO技术栈（微信号：blog51cto）近日OpenAI提交有关禁止使用中国模型的提案引起了大家的注意。不过这也只是提议，包括美国在内的很多企业和大佬对此表示并不赞同——在华盛顿的政策环境中，越来越多地呼吁对人工智能进行最低限度的监管，而HuggingFace则向特朗普政府提出了截然不同的观点：开源和协作的人工智能开发可能是美国最强大的竞争优势。目前，HuggingFace已经在自家平台上拥有超过150万个公共模型，它已...HuggingFaceOpenAIAI腾讯超预期成绩单发布！双位数增长，微信收入翻倍！刘炽平：资本支出增长三倍，猛追AI基建，今年将支出千亿
原创出品51CTO技术栈（微信号：blog51cto）3月19日，腾讯公布了2024财年Q4的成绩单。收入同比增长11%，而利润同比增长90%。可以说非常亮眼：收入和利润都超出了最高预期，以下是腾讯在2024年第四季度与Refinitiv估计相比的表现：收入：1724亿元人民币（23.9亿美元），预期为168.9亿元。归属于公司股东的利润：513亿元，预期为460.3亿元。腾讯董事会主席兼首席执行官马化腾表示，“受益于AI赋能的广告平台升级、视频号用户参与度提升...AI基建腾讯
