文章列表-AI魔法学院

文章列表

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

01 Asimov的机器人心理学家很多朋友可能看过2004年的《机械公敌》，它来自于Isaac Asimov的经典科幻小说《我，机器人》这部小说。

大模型

面向知识图谱的大模型应用

从不同的种子实体开始搜索，并发地探索图谱，根据向量相似性动态检索节点，有针对性地扩大搜索范围。

知识图谱大模型

中本聪的Web3之路

2009年1月3日，中本聪挖出了第一个区块，即创世区块，标志着比特币网络的启动。

token 比特币加密货币

将任意文本转换为知识图谱

最重要的是，我们可以实现图检索增强生成（GRAG），并使用图作为检索器以更深刻的方式与我们的文本聊天。

知识图谱转换文本

从零开始用LangChain、Pinecone和LLMs搭建你自己的文档问答系统

索引：当结合你自己的文本数据时，语言模型通常更加强大 - 这个模块涵盖了这样做的最佳实践。

知识库 langchain

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

应用程序的本质往小里说是代码组织，往大里说就是逻辑编排。

Query Pipeline 大模型

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

Xinference 使得本地部署 Llama 2 模型变得简洁高效，而 Milvus 则提供了高效的向量存储和检索能力。

开源模型

Github上Star数最多的大模型应用基础服务：Dify 深度解读

一般情况下，RAG 服务会包含如下所示的功能模块：文件加载的支持；文件的预处理策略；文件检索的支持；检索结果的重排；大模型的处理；因为 RAG 服务只是

Dify 大模型知识库

对于大模型RAG技术的一些思考

使得检索出来的文本段落并不能完全命中用户想要的内容，大模型根据这些文本段落也不能输出合适的答案。

RAG 大模型

收藏！万字长文聊聊LLM Agents的现状，问题与未来

官方一点地讲：RAG模型的核心思想就是将传统的语言生成模型（如GPT系列）与一个检索系统相结合，在处理一个输入时，RAG首先使用检索系统从一个大规模的文档集合中检索出相关的文本片段，然后将这些检索到的文本作为额外的上下文信息输入到生成模型中

LLM Agents

推荐智能体：利用大模型进行交互式推荐

该模块可以使用SQL表达式高效地从后端商品信息数据库中检索详细的商品信息。

大语言模型推荐

Comfy肖像大师非常推荐

ComfyUI Portrait Master 是一个用于生成人物肖像提示词的模块，旨在优化肖像生成过程。

comfyui 文生图

个人从零预训练1B LLM心路历程

其实在当时就有不少些这种“从零预训练LLM”的开源项目了，但是大多训练的数据量或者是模型都很小（几块4090+几十G数据就能跑起来），并没有暴露出一些工程上的问题，训练细节也没有分享的特别清晰。

LLM 训练

ChatPDF | LLM文档对话 | pdf解析关键问题

对于这类文本，我们的策略是把多级标题提取出来，然后适当做语义扩充，或者去向量库检索相关片段，最后用LLM整合即可。

大模型

LLM大模型推理输出生成方式总结

参数设置：do_sample = False, num_beams>1 缺点：虽然结果比贪心搜索更流畅，但是仍然存在生成重复的问题 Multinomial sampling（多项式采样）方式

大模型

<...7 8 9 101112 13 14 15 16 ...>

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