文章列表-AI魔法学院

文章列表

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

向量数据库也存在召回率偏低、开发门槛高等缺点。

RAG 大模型

从0到1谈谈智能客服系统的设计与实现

这种方案的实现主要依赖于大规模的预训练数据和高效的检索算法。

智能客服

9个范例带你入门langchain

5，数据库问答(Querying Tabular Data): 从数据库/类数据库内容中抽取数据信息。

大模型

深度洞察：人工智能体(AI Agent)2024年重要发展趋势指南

第三，到处都有有价值的数据。

AI Agent 人工智能

HAI-Chat：高效且轻量的一键式 RLHF 训练工具

前两个步骤是基于特定的数据训练准备模型，属于人类反馈（HF）的部分；而 PPO 则是 OpenAI 提出的强化学习算法（RL），基于前两步构建的准备模型再训练提升主干网络。

HAI-Chat RLHF

Langchain的一些问题和替代选择

低效的令牌使用 Langchain的一个重要问题是它的令牌计数功能，对于小数据集来说，它的效率很低。

大模型

大模型：泛化即智能，压缩即一切

监督学习是优秀的数据海绵经过监督学习训练的深度神经网络是优秀的数据海绵——它们可以记住大量数据，并且可以通过数万批量大小的训练来快速完成这一任务。

大模型泛化

被时代选中的智谱 AI：成为 OpenAI，超越 OpenAI

这与过去十多年大数据和人工智能发展面临的问题类似，即存在数据孤岛和数据壁垒。

智谱 AI

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

二、评测数据的构建及衡量指标 1、数据构建受以往LLM基准的启发，RGB采用问题解答的形式进行评估。

大模型 RAG检索增强

领域大模型LLM训练Trick

主要是因为这些数据的数据质量较高，领域相关性比较强，知识覆盖率（密度）较大，可以让模型更适应考试。

垂直训练大模型

【开源看AI】4.2K star！Reor：AI自动帮你发现知识之间的连接

这款工具强调本地运行模型，保障用户数据的私密性。

Reor 开源工具知识管理

我为什么不看好大模型行业

第二点，跟所谓的数据飞轮相关，他明确说：数据护城河并不稳固。

大模型

AI开源 - LangChain UI 之 Flowise

添加 Text Splitters 下的 Recursive Character Text Splitter 组件该组件用于当 Cvs File 文件过大时进行分割 image （3）添加数据向量化组件

大模型

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

此外，它在JAX框架下的优化使其能够利用Google的TPU架构，这在处理大规模数据时提供了前所未有的速度优势。

Whisper 语音识别

2023检索增强生成技术（RAG）研究进展

然而，无论模型的规模如何增长，它们仍受限于训练数据的质量和范围。

RAG 检索增强

<...30 31 32 333435 36 37 38 39 ...>

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