文章列表-AI魔法学院

文章列表

PymuPDF4llm：PDF 提取的革命

随着人工智能和自然语言处理技术的发展，对能够与大型语言模型（LLMs）无缝配合的 PDF 提取工具的需求日益增长（利用LLM从非结构化PDF中提取结构化知识）。

PymuPDF4llm PDF

RPA终极发展方向瞄准AI Agent，超自动化智能体时代已经开启

扩展阅读：从引入并集成多LLM到发布自研模型，RPA与LLM的融合进度怎样了？

RPA 自动化

垂直领域大模型的思考

Consistency Evaluation 知识召回 DPR, GTR, Keyword LLM

垂直领域大模型

最新大模型面经+感受，4家大厂offer！

因此想要尝试跳槽，换一份大模型方向的工作，做RLHF或者LLM-agents。

大模型面试

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

一种观点认为，逆转诅咒表明了 LLM 训练过程中逻辑演绎的基本失败。

大模型

RAG 2.0，终于把RAG做对了！

这就是RAG（Retrieval-Augmented Generation，检索增强生成）的精髓，一个在推理时提供与用户查询相关的实时内容以增强LLM响应的系统。

RAG 大语言模型

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

大家可能也有听到一些相关名词或术语如“大模型”、”LLM大型语言模型”、”GPT”、”ChatGPT”和”AIGC”，这些名词之间有什么区别或联系？

大模型

深度洞察：人工智能体(AI Agent)2024年重要发展趋势指南

然而，LLM只是已经开始的GenAI革命的序幕。

AI Agent 人工智能

Baichuan-13B 保姆级微调范例

这可能是你能够找到的最容易懂的，最完整的，适用于各种NLP任务的Baichuan-13B-Chat的finetune教程~ Baichuan-13B是百川智能于2023年7月11日发布的开源中英双语LLM

开源模型

检索增强生成(RAG)有什么好的优化方案？

这种方法有一些缺点，比如无法获取长程关联知识[3]、信息密度低（尤其当LLM context window较小时不友好）。

RAG 检索增强

检索增强生成(RAG)有什么好的优化方案

这种方法有一些缺点，比如无法获取长程关联知识[3]、信息密度低（尤其当LLM context window较小时不友好）。

RAG 检索增强生成

LangChain 的问题所在

Note that the `llm-math` tool uses an LLM, so we need to pass that in.

大模型大语言模型

【2023.10】看目前巨头的AI原生产品布局

0、前言 0.1、为什么要与基座LLM小公司的文章分开巨头公司跟单纯的基座LLM公司有很多本质的不同，例如：对于巨头来说，没有“该选择做哪些而不做另一些”的问题，答案肯定是“我都要”，问题在于

大模型产品

如何看待大型语言模型的Prompt

第一个区别是，LLM是一种连续的、插值式的数据库。

prompt 大语言模型

全球最强长文本大模型，一次可读35万汉字：Baichuan2-192K上线

10 月 30 日，百川智能正式发布 Baichuan2-192K 长窗口大模型，将大语言模型（LLM）上下文窗口的长度一举提升到了 192K token。

Baichuan2 百川开源

<...10 11 12 131415 16 17 18 19 ...>

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