AI.x社区

在人工智能领域,具身AI(EmbodiedAI)一直是一个备受关注的研究方向。它旨在赋予AI代理与物理世界交互的能力,让AI不仅仅停留在虚拟的数字世界中,而是能够在真实环境中感知、规划和行动。近年来,随着大语言模型(LLM)的蓬勃发展,如何将LLM的强大语言理解和生成能力与具身AI任务结合起来,成为了一个热门的研究课题。在这个背景下,来自中国科学技术大学等机构的研究人员提出了一种新颖的方法——渐进式检索增强生成(ProgressiveRetrie...

图片9月13日，人工智能领域的领军企业OpenAI正式对外发布了一系列革命性的AI大模型，命名为o1系列。这一新模型在复杂推理能力方面取得了显著突破，展现出前所未有的问题解决能力，尤其在科学、数学和编程等专业领域表现卓越，引发业界广泛关注。o1系列的首款模型o1preview已在ChatGPT和大模型API中推出。该模型在多项高难度基准测试中表现优异，相较于前代模型GPT4o有质的飞跃。在国际数学奥林匹克（IMO）资格考试中，o1模型正...

这是一个由三部分组成的系列博客文章中的第一篇,主题是关于如何适配开源大型语言模型(LLMs)。在这篇文章中,我们将探讨适配LLMs到特定领域数据的各种方法。在第2部分,我们将讨论如何确定微调是否适合你的使用场景。在第3部分,我们将探讨一些整理优质训练数据集的经验法则。引言大型语言模型(LLMs)在大量语言任务和自然语言处理(NLP)基准测试中展现出了卓越的能力。基于这些"通用"模型的产品应用正在兴起。在这篇博客文章中,我们...

在自然语言处理领域，如何有效处理长文本一直是一个挑战。传统的文本分块方法虽然简单直接，但往往会导致上下文信息的丢失。今天，将介绍一种名为"迟分"的创新技术，它不仅能够保留长文本的上下文信息，还能显著提升文本处理的质量。传统方法的局限性在讨论迟分之前，让先回顾一下传统的文本处理流程，特别是在检索增强生成（RAG）系统中：分块：将长文本切割成小段Embedding：对每个小段进行向量化检索：根据查询找到相关的文...