AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
使用Cursor和Claude AI打造你的第一个App
社区头条1Cursor简介Cursor是一款人工智能代码编辑器，基于VisualStudioCode开发，具备无缝集成的AI功能。它支持多种人工智能模型，能够与OpenAI、Anthropic、Google和Azure等主流平台实现集成。在实际使用中，Cursor与Claude3.5模型的配合效果尤为理想，这一模型被成功应用于应用程序的开发过程中。2开始使用Cursor首先，需要在设备上安装Cursor。安装完成后，创建账户并登录。登录后，可以创建一个新的文件夹，从头开始编写代码。对于...CursorClaudeAI微软、Anthropic正在拉满大模型的情绪价值
原创 社区头条编辑星璇出品51CTO技术栈（微信号：blog51cto）再过3天，ChatGPT就要迎来它的第二个生日了，GPT推出也已经6年了。到目前为止，大型语言模型（LLM）一直在有效发展。它们真实、敏捷且足智多谋。甚至可以说它们在检索信息方面接近完美。但是作为“信息传递工具”，又如何呢？在最近接受ReidHoffman采访时，MicrosoftAI首席执行官MustafaSuleyman表示：“AI研究人员通常倾向于忽视信息传递工具的重要性。考虑到理解和响应人类情感...微软AnthropicChatGPTLLaVA-o1：第一个能够进行自发、系统推理的视觉语言模型，类似于 GPT-o1
原创 精华01、概述近年来，随着人工智能技术的快速进步，视觉语言模型（VLM）开始在多模态任务中崭露头角。然而，相较于文字生成领域的巨头如GPTo1，这些模型在处理复杂视觉问答任务时表现得力不从心。它们通常缺乏系统的推理能力，无法有效组织信息，导致对图片和文字的组合理解存在明显局限。针对这一痛点，由北京大学、清华大学、鹏城实验室、阿里巴巴达摩院和美国李海大学联合研究团队推出了一款全新的视觉语言模型——LLaVAo1。这一...LLaVA-o1大语言模型Qwen开源强大、多样、实用的Qwen2.5-Coder系列（0.5B/1.5B/3B/7B/14B/32B）
原创01、概述在软件开发的世界里，智能、高效、专业的编程语言模型始终是行业发展的关键推动力。尽管现有的编程模型在自动化代码生成、自动补全和推理方面已经取得了显著进展，但仍然存在不少问题，诸如在处理多样化的编码任务时效率不高、缺乏领域特定的专业性，以及在现实编程场景中的应用困难。尽管大型语言模型（LLM）不断崛起，专门针对代码的模型却往往难以与其专有的同行竞争，尤其是在通用性和适用性方面。这使得业界对于一...大语言模型OuteTTS-0.1-350M 发布：一种新颖的文本到语音 (TTS) 合成模型，利用纯语言建模，无需外部适配器
原创01、概述在日益增长的语音合成需求中，文本转语音（TTS）技术快速进步，但也面临不少挑战。传统TTS模型往往依赖复杂的多模块架构，如深度神经网络、语音合成器、文本分析器等适配器，以生成自然的人类语音。这种复杂度带来了大量资源消耗，对设备的要求极高，使得许多设备无法轻松使用。尤其是个性化的语音生成和应用场景，传统TTS技术往往需要庞大的数据集和较高的硬件配置，对此，OuteAI发布了OuteTTS0.1350M，为TTS领域带来...大语言模型一次多模态大模型表格识别解析探索小实践记录
表格识别作为文档智能的重要组成部分，面临着复杂结构和多样化格式的挑战。【文档智能&RAG】RAG增强之路：增强PDF解析并结构化技术路线方案及思路前期文章也介绍了传统视觉的方法进行表格结构识别的方法，【文档智能】轻量级级表格识别算法模型SLANet关于表格识别在这里就不做过多的介绍了。国庆期间，笔者利用一个较长的时间段，训练了一个多模态的表格识别模型，效果还不错，特此记录一下多模态的效果。训练...多模态文档智能微调大型语言模型（LLM）的五个技巧
原创 社区头条数据质量、模型架构以及偏见缓解方面的专家建议开发人员可以掌握LLM微调来提高人工智能开发的性能和效率。为什么微调至关重要大型语言模型（LLM）配备了处理广泛任务的通用能力，包括文本生成、翻译、提取摘要和回答问题。尽管LLM的性能表现非常强大，但它们在特定的任务导向型问题或特定领域（例如医学和法律等）上仍然效果不佳。LLM微调是指对预训练好的LLM进行进一步训练，使用更小、更具体的数据集，以增强其在特定领域任务...LLM大型语言模型人工智能轻量级级表格识别算法模型-SLANet
原创前言前面文档介绍了文档智能上多种思路及核心技术实现《【文档智能&RAG】RAG增强之路：增强PDF解析并结构化技术路线方案及思路》，表格识别作为文档智能的重要组成部分，面临着复杂结构和多样化格式的挑战。本文介绍的轻量级的表格识别算法模型——SLANet，旨在在保证准确率的同时提升推理速度，方便生产落地。SLANet综合了PPLCNet作为基础网络，采用CSPPAN进行特征融合，并引入Attention机制以实现结构与位置信息的精...文档智能SLANet图解DSPy：Prompt的时代终结者？！
社区头条DSPy是一种编程模型，旨在改进语言模型（LM）在复杂任务中的使用方式。传统上，LM使用特定的提示模板（Prompt）进行控制，这些模板是基本前期大量的尝试而找到的预设指令。DSPy通过将LM流水线抽象为文本转化图谱，例如被其他申明模块触发的LM的命令计算图谱。1.PromptEngineering要理解DSPy，需要先理解提示词工程PromptEngineering。提示词工程也称之为上下文提示词或者上下文学习。它指的是在不更新模型权重的情况下引导LLM的...DSPyPrompt大模型LLM实践系列-细聊LLM的拒绝采样
最近学强化的过程中，总是遇到“拒绝采样”这个概念，我尝试科普一下，争取用最大白话的方式让每个感兴趣的同学都理解其中思想。拒绝采样是LLM从统计学借鉴过来的一个概念。其实大家很早就接触过这个概念，每个刷过leetcode的同学大概率都遇到过这样一个问题：“如何用一枚骰子获得17的概率？”答案很简单：把骰子扔两次，获得6636种可能的结果，丢弃最后一个结果，剩下的35个结果平分成7份，对应的概率值便为17。使用这种思想...LLM拒绝采样映射再看多模态RAG进行文档问答的方案
先说结论：这篇文章的方法和前面介绍的两个多模态RAG的工作非常相似，可以看看往期介绍：【RAG&多模态】多模态RAGColPali：使用视觉语言模型实现高效的文档检索【RAG&多模态】多模态RAGVisRAG：基于视觉的检索增强生成在多模态文档上的应用M3DOCRAG同样也指出，现有的方法要么专注于单页文档的多模态语言模型，要么依赖于基于文本的RAG方法，这些方法使用OCR等文本提取工具。然而，这些方法在实际应用中存在困...RAG多模态【多模态&RAG】多模态RAG ColPali实践
原创关于【RAG&多模态】多模态RAGColPali：使用视觉语言模型实现高效的文档检索前面已经介绍了（供参考），这次来看看ColPali实践。所需权重：多模态问答模型：Qwen2VL72BInstruct，https:modelscope.cnmodelsQwenQwen2VL72BInstruct基于PaliGemma3B和ColBERT策略的视觉检索器：ColPali（LoRA）：https:huggingface.covidorecolpaliColPali（基座）：https:huggingface.covidorecolpaligemma3bmix448base多模态检索问答实践...多模态RAGColPali4种革新性AI Agent工作流设计模式全解析
社区头条AIAgent的四种关键设计模式如下：反思：LLM检查自己的工作，以提出改进方法。使用工具：LLM使用网络搜索、代码执行或任何其他功能来帮助收集信息、采取行动或处理数据。规划：LLM提出并执行一个多步骤计划来实现目标。多智能体协作：多个AI智能体一起工作，分配任务并讨论和辩论想法，提出比单个智能体更好的解决方案。1.反思如图1所示，反思模式允许AIAgent在完成任务后对自身的输出进行再次审视和评估。在这种模式下，AIAge...AIAgent模式HunYuan MoE：聊一聊 LLM 参数量、计算量和 MFU 等
一、背景最近在看腾讯最新混元大模型的Paper时（[2411.02265]HunyuanLarge:AnOpenSourceMoEModelwith52BillionActivatedParametersbyTencent[1]），看到了如下关于计算Budget的公式由于我们的工作中也会经常根据计算资源Budget评估LLM预训练时间，而该公式与我们平常的计算方式不太一致；此外，如下图所示，我们也看到很多文章中将上述公式中的第二项理解为长序列情况下Attention的额外计算开销，而将6ND>9.6ND看成Router引入的...LLM参数量MFURAG系统的检索机制真的需要那么"完美"吗？
1、重磅揭秘：RAG系统的检索机制真的需要那么"完美"吗？在人工智能领域，RAG（检索增强生成）技术正在成为解决大语言模型局限性的关键方案。但是，一个有趣的问题出现了：RAG系统中的检索部分，真的需要追求100%的准确性吗？最近，一项研究给出了令人意外的答案。这项研究首次深入探讨了RAG系统中检索器和阅读器两大组件的关系。研究团队通过大量实验发现，即使降低检索准确度，对最终的问答效果影响也相对较小。换句话说，我们...RAG系统效率一文彻底搞懂深度学习 - 模型评估（Evaluation）
原创 社区头条深度学习广泛应用于图像识别、语音识别、自然语言处理等多个领域。模型通过大量数据的学习和训练，能够自动提取数据中的特征，并基于这些特征进行预测和分类。如何准确评估这些模型的性能，确保它们在实际应用中能够表现出色，就需要依赖于模型评估这一关键环节。在模型评估中，我们通常会使用各种评估指标来衡量模型的性能。分类问题常用准确率、精确率、召回率和F1分数等指标；回归问题则使用均方误差、平均绝对误差等指标。...深度学习模型评估IdentifyMe：一个具有挑战性的长文本指代消解基准测试
1引言共指消解（CR）是文本理解的一个基本任务。尽管LLMs在广泛的NLP任务上取得了巨大进展，但它们在CR上的表现相对不尽人意，甚至在指称检测上也面临困难。通过广泛分析，Gan等人（2024）的工作已经确定，在典型的CR设置中，由于基于跨度的输出格式不适合LLMs，因此低估了LLMs出色的指称理解能力。他们建议调整CR数据集和任务指标，以支持LLMs的评估。沿着这些思路，我们创建了IdentifyMe基准测试，用于MCQ格式的指称消解，这...LLMsMCQIdentifyMe使用MCTS显著提升LLM在复杂任务的推理能力
精华一、概述•Title:ReasoningwithLanguageModelisPlanningwithWorldModel•URL:https:arxiv.orgabs2305.14992•Code：https:github.commaitrixorgllmreasoners•Demo:https:github.commaitrixorgllmreasonersblobmaindemo.ipynb1Motivation•尽管COT表现不错，但是当前LLM在生成plan、复杂数学推理、逻辑推理时仍然表现不够好。•LLMs缺乏内部“世界模型”来预测世界状态（例如环境状态、中间变量值）并...MCTSLLMMCTS超强！一区直接写！基于SSA+Informer-SENet故障诊断模型
1模型创新点介绍1.1时序特征捕捉与建模使用Informer的编码器层来捕捉长故障信号时序依赖特征长时间序列处理：传统的RNN和LSTM等方法在处理长时间序列时存在计算效率低、梯度消失等问题。Informer通过改进Transformer架构，使用ProbSparseSelfAttention机制，有效地提高了计算效率，特别是对于长时间序列数据。全局特征提取：通过多头注意力机制，Informer能够捕捉序列数据中的全局特征和长时间依赖关系，确保对故障信号的时序特...SSASENet模型RAG 应用效果不太理想？试试以下RAG优化策略大幅提升问答效果
原创自从2022年12月ChatGPT横空面世以来，AI领域获得了十足的关注和资本，其实AI的概念在早些年也火过一波，本轮AI热潮相比于之前的AI，最大的区别在于：生成式。通过海量文本训练的、能识别人类语言、执行语言类任务、拥有大量参数的模型，称之为大语言模型。GPT、LLaMA、Mistral、BERT等都是LLM，LLM是对训练文本信息的压缩，同时拥有了泛化能力，不同于数据库和搜索引擎，LLM能创造性地生成历史上没有出现过的文本内容。虽然LLM...RAGLLM大模型
