Top 10 Overseas No-Code AI Agent Platforms: Rapidly Build Enterprise-Class Intelligent Applications
在人工智能浪潮的中心，AI Agent (智能体) 正以惊人的速度进化，如同科幻电影中走出的智能助手，悄然渗透进企业的每一个角落。它们不再是遥不可及的未来概念，而是企业提升效率、优化流程、决胜市场的秘...
Sorting
LLM-based Query Expansion
Have you ever been in a situation where you type a keyword into a search engine and what comes up is not what you want? Or, you want to search for something, but you don't know what words to use to express the most accurate? Don't worry, "query expansion" technology can help you solve these problems. Recently, the query expansion...
Legal Translation: An In-Depth Review of ChatGPT and Neural Network Translation (NMT) System Performance
在日新月异的翻译技术浪潮中，ChatGPT (Chat Generative Pre-trained Transformer) 的横空出世无疑吸引了全球目光。作为一种先进的 大语言模型 (Large ...
Guide to Building Multi Agent Systems Based on CrewAI
1. 引言 在人工智能领域，Multi Agent 系统正逐渐成为解决复杂问题、实现高效协作的关键技术。CrewAI 作为一款强大的多 Agent 协作工具，为开发者提供了便捷的方式来构建智能协作系统...
Deep Research Technology Inventory! A paradigm for LLM applications that is more advanced than RAGs
OpenAI 的 Deep Research 工具横空出世后，各大厂商都推出了自研的 Deep Research 工具。所谓Deep Research，是和普通搜索比较的，简单的RAG检索生成一般只有...
RIG (Retrieval Interleaved Generation): a retrieval strategy of writing while searching, suitable for querying real-time data
技术核心：Retrieval Interleaved Generation (RIG) 什么是 RIG？ RIG 是一种创新的生成方法，旨在解决大语言模型在处理统计数据时的“幻觉”（hallucina...
Mastering RAG Document Chunking: A Guide to Chunking Strategies for Building Efficient Retrieval Systems
如果你的 RAG 应用未能达到预期效果，或许是时候重新审视你的分块策略了。更好的分块意味着更精准的检索，最终带来更高质量的回复。 然而，分块技术并非“一招鲜吃遍天”，没有哪一种方法是绝对最优的。你需要...
Agentic Chunking: AI Agent-Driven Semantic Text Chunking
引言 在大型语言模型 (LLMs) 的应用领域，尤其是在检索增强生成 (RAG) 系统中，文本分块 (Chunking) 扮演着至关重要的角色。 文本分块的质量直接关系到上下文信息的有效性，进而影响 ...
ZEP-Graphiti: a temporal knowledge graph architecture for intelligent body memory
速读 智能体记忆的挑战与Zep的创新 智能体（AI Agents）在复杂任务中面临记忆瓶颈。传统基于大型语言模型（LLM）的智能体受限于上下文窗口，难以有效整合长期对话历史和动态数据，限制了表现并易产...
Inventorying LLM frameworks similar to Ollama: multiple options for locally deploying large models
在人工智能和大型语言模型 (LLMs) 领域，Ollama 框架的出现无疑吸引了众多目光。这款开源框架专注于简化大型语言模型在本地的部署和运行，让更多开发者能够轻松体验 LLM 的魅力。然而，放眼市场...
OpenAI Release: Applications and Best Practices for AI Inference Modeling
在人工智能领域，模型的选择至关重要。OpenAI 作为行业领导者，提供了两种主要类型的模型系列：推理模型 (Reasoning Models) 和 GPT 模型 (GPT Models)。前者以 o ...
Solving the confusion o1, are inference models like DeepSeek-R1 thinking or not?
发现一篇好玩的论文《Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs》，主题是分析o1 类推理模型 思考路径频...
What is Model Quantization: FP32, FP16, INT8, INT4 Data Types Explained
导读 在人工智能科技的浩瀚星空中，深度学习模型以其卓越的性能，驱动着诸多领域的创新发展。然而，模型规模的持续膨胀，如同双刃剑，在提升性能的同时，也带来了算力需求与存储压力的剧增。特别是在资源受限的应用...
Think&Cite: Improving Text Citation Accuracy Using Tree Search Techniques
摘要 尽管大型语言模型（LLMs）表现出色，但它们容易产生幻觉并生成事实不准确的信息。这一挑战促使人们努力进行属性文本生成，促使LLMs生成包含支持证据的内容。在本文中，我们提出了一种名为Think...
Systematic mastery of cue word engineering - from basic to advanced (reading time from 2 hours)
导读 本文档旨在通过一系列提示词示例（部分），帮助读者快速理解并掌握提示词工程的核心概念与应用。这些示例均源自于一篇关于提示工程技术系统综述的学术论文（《The Prompt Report: A Sy...
An in-depth look at Titans: the path to convergence of long-time memory and efficient sequence modeling
《Titans: Learning to Memorize at Test Time》原文：https://arxiv.org/pdf/2501.00663v1 Titans 架构 非官方实现：htt...
Limitations of LLM OCR: The Document Parsing Challenge Behind the Glossy Surface
对于任何需要检索增强生成 (RAG) 系统的应用来说，将海量 PDF 文档变成机器能读懂的文本块（也就是 “PDF 分块”）都是个让人头疼的大难题。 市面上既有开源的方案，也有商业化的产品，但说实话...
DeepSeek R1 Jailbreak: Trying to Break DeepSeek's Censorship
DeepSeek R1 官网越狱是非常好的实验环境，能触发到基本所有类型的审查机制，可以学习很多防御技巧，所以这是一篇大模型审查机制的学习文章，会带你看到历年来大模型越狱的示例。 大模型审查机制通...
OpenAI o3-mini System Manual (Chinese)
原文：https://cdn.openai.com/o3-mini-system-card.pdf 1 引言 OpenAI o 模型系列使用大规模强化学习进行训练，以使用思维链进行推理。这些先进的推理...
English 
简体中文 
日本語 
한국어 
Español 
Deutsch 
Français 
Português do Brasil