包含"LLM"标签的文章
-
RAG 架构如何克服 LLM 的局限性
检索增强生成促进了LLM和实时AI环境的彻底改造，以产生更好、更准确的搜索结果，在本系列的第一部分中，我重点介绍了各个行业和地区的组织对生成式AI和大型语言模型，LLM，的日益增长的采用，公司坚信，实时AI应用程序是强大的引擎，可以帮助他们提升数字性能、在饱和市场中超越竞争对手、建立更牢固的客户关系...
-
到智能体 LLM RAG 的应用 从大模型 检索增强生成 Agent
引言随着人工智能技术的飞速发展，大型语言模型，LLM，、检索增强生成，RAG，和智能体，Agent，已经成为推动该领域进步的关键技术，这些技术不仅改变了我们与机器的交互方式，而且为各种应用和服务的开发提供了前所未有的可能性，正确理解这三者的概念及其之间的关系是做好面向AI编程开发的基础，大模型，LL...
-
如何创建LLM应用程序的框架
你在考虑在产品中使用LLM时，可以使用具有三个阶段的框架，这个框架将帮助定义问题、选择适合的模型、创建有效的提示，并确保整个流程在投入生产时有效，有许多研究和演示表明，大型语言模型，LLM，可以执行令人印象深刻的任务，虽然并没有一种万能的方法，但可以尝试创建一些指南，以帮助人们更好地在LLM所带来的...
-
构建更好的基于LLM的应用程序的四大秘诀
出品，技术栈，微信号，blog51cto，自从OpenAI发布首个ChatGPT模型以来，人们对生成式AI的兴趣激增，基于大语言模型，LLM，的应用程序现处于企业思考生产力和效率的最前沿，用于构建生成式AI应用程序的工具和框架得到了极大的扩展，但人们仍然担心生成式AI输出的准确性，因此开发人员需要快...
-
应用程序任务驱动 详细解析LLM的评估指标
1，BERTScore，它利用预训练的BERT，来自Transformers的双向编码器表示，模型来计算句子或文本段落之间的相似性得分，它基于BERT获得的场景嵌入来计算相似度，BERT通过考虑每个词的周围场景来捕获语义信息，从而对语言生成任务提供更细致的评估，它已经被证明与人类对文本质量的判断有很...
-
LLM 应用程序 认知服务中使用矢量搜索构建 Azure 在
作者，SimonBisson策划，EthanMicrosoft的认知搜索API现在提供矢量搜索即服务，可与AzureOpenAI等中的大型语言模型一起使用，SemanticKernel、TypeChat和LangChain等工具使得围绕AzureOpenAI等生成式AI技术构建应用程序成为可能，这是...
-
如何分析和修复LLM应用程序中的错误
本文通过四个阶段过程来系统地理解和修复LLM应用程序中的错误，大型语言模型，LLM，为机器学习的应用创造了一个新的范式，一方面，用户有一个机器学习模型，可以根据自己的需求和任务进行定制，另一方面，可能无法访问模型的权重和超参数，用户可以通过调整提示和提供给模型的信息来控制模型的行为，这对于那些习惯于...
-
构建 LLM 应用程序 LangChain 一文解析如何基于
借助LangChain，组织可以将LLM的能力重新用于特定领域的应用程序，而无需重新培训或微调，开发团队可以构建引用专有信息的复杂应用程序，从而增强模型的响应能力，举例来说，我们可以利用LangChain构建应用程序，从存储的内部文档中检索数据，并将其整合为对话响应，我们还可以创建RAG，检索增强生...
-
技术差距拉开 OpenAI震撼发布o1大模型！RL深度思考
openai放大招了，是奥特曼在推上宣传了很久的草莓真身，这次它真的来了，又给大家带来一点小小的震撼，国内大模型老板们也不再迷茫了，4o的多模态的还没赶上呢，这下怎么又回到纯文本了，不是说大家都搞得差不多了吗，奥特曼表示，虽然o1的表现仍然存在缺陷，不过你在第一次使用它的时候仍然会感到震撼，这对从业...
-
如何训练LLM自动在RAG和参数记忆之间进行选择
Adapt，LLM可以训练LLM确定是否需要在问答任务中检索额外的场景信息，将提高LLM应用程序的效率，检索增强生成，RAG，管道使大型语言模型，LLM，能够在其响应中使用外部信息源，但是RAG应用程序为发送到LLM的每个请求检索额外的场景信息，这使得该过程效率低下，因为LLM已经包含了大量无需检索...
-
亚马逊被曝用秘密算法操控竞品价格；谷歌去年花掉大概一个半西湖的水；Android14正式发布
一、商业圈1.SpotifyCEO吐槽苹果谷歌，想当裁判就不能同时当玩家日前，Spotify首席执行官DanielEk敦促英国立法者通过一项法案，规范数字市场的竞争，削弱苹果、谷歌和其他大型科技公司的主导地位，Daniel在接受英国，金融时报，采访时表示，苹果和谷歌对数十亿消费者访问互联网方式的控制...
-
增强LLM的实战演练 RAG 通过检索增强生成
通过检索增强生成，RAG，增强LLM的实战演练译文作者，李睿2024，05，2008，31，33本文主要介绍如何通过检索增强生成，RAG，增强LLM，并使用LlamaIndex和LangChain作为数据场景，将应用程序部署到Heroku，想了解更多AIGC的内容，请访问，AI.x社区https，w...
-
Weave和RAGAS的RAG应用开发实战 基于Prefect
几个月前，我发布了一款电影搜索应用程序，FilmSearch，，这是一个检索增强生成，RAG，应用程序，旨在根据用户查询实现电影推荐，例如，用户可能会发出下面的英文提问，中文意思，给我找一部长度不到2小时、以狗为主角的英文剧情片，之后，用户会收到类似下面这样的英文推荐，TitleofFilm，Hac...
-
LLM
嘉宾，欧迪佐编辑，李美涵出品，技术栈，微信号，blog51cto，本文整理自快手高级技术专家欧迪佐在WOT2024大会上的主题分享，更多精彩内容及现场PPT，请关注技术栈公众号，发送，WOT，即可直接领取，日前，在主办的WOT全球技术创新大会上，快手高级技术专家欧迪佐带来了主题演讲，LLM，base...
-
简单了解大模型 智能体 传统软件工程思维依然适用 LLM
说到大模型应用的理想态，我相信很多人都可以想到，钢铁侠，里面的贾维斯，可以根据环境、天气、对手火力等情况，给钢铁侠提供决策指导或者自主决策，大模型Agent就是人们希望借助大模型实现的类似于贾维斯一样智能助手能力，它具备环境感知能力、自主理解、决策制定以及行动执行的能力，在实现Agent架构过程中，...
