AI 기술 자료

向量Embedding是目前检索增强生成（RAG）应用程序的核心。它们捕获数据对象（如文本，图像等）的语义信息，并以数字数组表示。在时下的生成式AI应用中，这些向量Embedding通常由Embedd...

检索增强生成（RAG）是生成式 AI （GenAI）中的一类应用，支持使用自己的数据来增强 LLM 模型（如 ChatGPT）的知识。 RAG 通常会用到三种不同的AI模型，即 Embedding 模...

前言 在过去两年中，检索增强生成（RAG，Retrieval-Augmented Generation）技术逐渐成为提升智能体的核心组成部分。通过结合检索与生成的双重能力，RAG能够引入外部知识，从而...

Agent 目前我见到的最多的翻译是“智能体”，但是直译是“代理”。 那 Agentic 又要翻译成什么呢？我感觉“代理型”这样的词更合适。 所以为了不让读者混淆，我在本文直接用英文表示。 随着 ...

大模型微调全流程 建议在微调过程中严格按照以上流程执行，避免跳步，否则可能导致无效劳动。比如，如果没有充分构建数据集，最终发现微调模型效果不佳是数据集质量的问题，那么前期的努力将付诸东流，事倍功半...

OlaChat AI数智助手万字长文深度解析，带你了解Text-to-SQL技术的前世今生。 论文：Next-Generation Database Interfaces: A Survey of L...

01.背景 在RAG应用开发中，第一步就是对于文档进行chunking（分块），高效的文档分块，可以有效的提高后续的召回内容的准确性。而对于如何高效的分块是个讨论的热点，有诸如固定大小分块，随机大小分...

回顾2024，大模型日新月异，智能体百家争鸣。作为AI应用的重要组成部分，RAG也是“群雄逐鹿，诸侯并起”。年初ModularRAG持续升温、GraphRAG大放异彩，年中开源工具如火如荼、知识图...

此精选列表专注于使用大语言模型（LLM）生成 JSON 或其他结构化输出的相关资源。 通过函数调用、工具、CFG 等方式使用 LLM 生成 JSON 的资源列表，涵盖库、模型、Notebooks 等...

教育一直被认为是会被LLM改变最大的行业之一。ChatGPT 的使用场景中，教育占据了很大比重，其用量常随开学和假期规律波动。而 Andrej Karpathy 也选择了教育作为他的创业方向。人们都期...

AI总结 概述 AI 提示工程 的深入探讨，通过一个圆桌会议的形式，多位来自 Anthropic 的专家从研究、消费和企业等不同角度分享了他们对提示工程的理解和实践经验。 文章详细阐述了提示工程的定义...

自从 OpenAI 发布了 o1 模型后，Scaling Test-Time Compute（扩展推理时计算）就成了 AI 圈子里最火爆的话题之一。简单来说，与其在预训练或后训练阶段疯狂堆算力，不如在...

长文本向量模型能够将十页长的文本编码为单个向量，听起来很强大，但真的实用吗？ 很多人觉得... 未必。 直接用行不行？该不该分块？怎么分才最高效？本文将带你深入探讨长文本向量模型的不同分块策略，分析利...

一、测试提示词的根本原因： LLM 对提示词高度敏感，细微的措辞变化可能导致显著不同的输出结果 未经测试的提示词可能产生： 事实错误的信息 不相关的回复 不必要的 API 成本浪费 二、系统化的提...

欢迎来到 AI 工程学院的 AI 代理部分！本模块探索 AI 代理的迷人世界，从基本模式到实际应用。学习如何创建、协调和部署智能代理，这些代理能够执行复杂任务并对其环境进行推理。 📚 仓库结构 类...

📚 资料库结构 模型/目录 描述与内容 Axolotl 用于微调语言模型的框架 Gemma Google 最新的大语言模型实现 - finetune-gemma.ipynb - gemma-sft.p...

笔记：https://colab.research.google.com/github/run-llama/llama_index/blob/main/docs/docs/examples/multi...

引言 基于智能体方法提升检索增强生成能力。多文档智能检索增强生成（Multi-Document Agentic RAG, Retrieval Augmented Generation）是一种先进的...

引言 GraphRAG（基于图结构的检索增强生成）是一种先进的检索与生成方法。它结合了图数据结构的优势和大语言模型（LLM）的能力，克服了传统 RAG 系统的一些限制。 https://githu...