AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
PHP程序员学习AI的学习心得
原创作为一名拥有10年经验的PHP程序员，我深知技术迭代的速度之快，以及不断学习新技能对于保持职业竞争力的重要性。最近，我踏上了学习人工智能（AI）的旅程，这一决定不仅拓宽了我的技术视野，也对我的日常工作产生了深远的影响。初识AI，我被其强大的数据处理和模式识别能力所吸引。在PHP开发中，我们经常需要处理大量的数据，并从中提取有价值的信息。而AI技术，特别是机器学习和深度学习，为我们提供了一种全新的、更加高效的...AI,程序员FineTuneBench：商业精细调整API能够如何融入LLMs中的新知识？
研究背景这篇文章研究了商业微调API在将新知识注入大型语言模型（LLMs）和更新现有知识方面的效果。尽管OpenAI和Google等提供商提供的商业LLMs微调API具有灵活的应用适应性，但其有效性尚不清楚。该问题的研究难点包括：微调方法的不透明性、缺乏统一的基准评估、用户对超参数优化的限制以及模型在处理新知识和更新知识时的泛化能力有限。相关工作：该问题的研究相关工作包括监督微调、强化学习从人类反馈、检索增强生成等方法...APILLMs商业NeurIPS`24 | 超25万对助力具身智能！3D场景大规模多模态情境推理数据集MSQA | BIGAI
精华文章链接：https:arxiv.orgpdf2409.02389项目链接：https:msr3d.github.io亮点直击引入了MSQA，这是一个大规模的3D情境推理数据集，包括251K个情境问答对，利用可扩展的自动化数据生成流程，在多样化的真实场景中采集。提出使用交替多模态输入设置进行模型学习和评估，建立了两个全面的基准测试任务，MSQA和MSNN，以评估模型在3D场景中进行情境推理和导航的能力。本文进行了全面的实验分析，将现有模型与本文提出的基准模型MSR3...模型数据集生成任意3D和4D场景！GenXD：通用3D-4D联合生成框架 | 新加坡国立&微软
文章链接:https:arxiv.orgpdf2411.02319项目链接：https:genxd.github.io亮点直击设计了一个数据整理流程，从视频中获取包含可移动物体的高质量4D数据，并为30,000个视频标注了相机姿态。这个大规模数据集称为CamVid30K，将公开供公众使用。提出了一个3D4D联合框架GenXD，支持各种设置下的图像条件3D和4D生成（见下表1）。在GenXD中，引入了多视角时序层，以解耦和融合多视角和时序信息。通过使用提出的CamVid30K和其他现有的3D...3D 模型生成关于大模型的使用——提示词工程
原创“学会写提示词，就类似于学会使用电脑的鼠标和键盘，这是学习和使用大模型必备的技能之一。而提示词工程就是让你学会怎么和大模型说话”最近断断续续一直有人通过后台留言或加微信的方式，来咨询大模型的应用问题；比如，怎么用大模型优化文本，或者怎么才能从大模型得到更好的回答等问题。这些零零散散的问题，其实归根结底都属于大模型的应用问题，而大模型的应用目前最常用，也是最重要的手段就是提示词工程。简单来说，...提示词工程大模型大模型应用Text2SQL 新一代解决方案Tool-SQL，基于LLM和Agent智能体实现，效果提升显著
原创 精华在互联网时代，数据爆发式增长，如果高效的分析数据成为一个亟待解决的问题。SQL是数据分析师的常用工具，编写高效的SQL需要用户具备一定的IT基础，对于普通人员来说存在一定门槛。TexttoSQL技术可以实现自然语言转换成SQL，用户只需要用自然语言描述自己的目标，TexttoSQL工具就可以自动生成对应的SQL，大大降低SQL编写的门槛和效率。为了提高TexttoSQL的效果，北航提出了一个基于LLM和智能体的TexttoSQL框架。实验表明，新...Text2SQLLLMAgentAnthropic研究团队提出新技术，引入Contextual Retrieval让RAG再进化，大幅降低检索失败率
原创在当前的知识检索领域，RAG技术正引领着最新潮流，它的目标是为大型语言模型（LLM）提供丰富而精确的上下文信息。然而，传统RAG方法在处理信息时经常会忽略上下文细节，这限制了其从知识库中提取相关信息的能力。解决如何有效保存上下文信息的问题，已成为该领域的重点。针对这一挑战，Anthropic的研究团队提出了一种名为“上下文检索”的创新技术，使得在这一领域取得了重大突破。他们最近发表的研究详细介绍了这一技术，展...大模型RAG更快、更强、更经济！超越GraphRAG的大模型RAG系统LightRAG开源啦！
原创
社区头条在这个信息爆炸的时代，我们每天都被大量的数据和信息所包围。对于企业和研究人员来说，如何从这海量的信息中迅速地找到自己需要的针对性数据，已经成为了一个亟待解决的问题。幸运的是，香港大学的研究团队最近推出的LightRAG系统，为我们提供了一个新的解决方案。LightRAG系统是基于RAG（RetrievalAugmentedGeneration）的开源技术，它通过引入先进的双层检索范式和基于图的数据结构，大大提升了信息检索的全面性和效率。更...RAGLLM知识图谱关于战略人工智能的深度综述
原创 社区头条本文将全面探索战略性人工智能的概念、发展及相关博弈论理论，并对战略人工智能的未来发展方向提出建议。开场白1997年5月11日，纽约市。这是纽约市一个美丽的春日，天空晴朗，气温攀升至20摄氏度。洋基队准备在洋基体育场迎战堪萨斯城皇家队，流浪者队在麦迪逊广场花园迎战魔鬼队。一切似乎都平淡无奇，然而聚集在曼哈顿中城公平中心的人们即将体验到真正独特的体验。他们即将见证这一历史性事件：一台计算机将首次在标准比赛条...人工智能大型语言模型LLMGemini技术报告解读：从Google多模态大模型看后续大模型应该具备哪些能力
大家好，我是HxShine。前段时间Google推出Gemini多模态大模型，展示了不凡的对话能力和多模态能力，其表现究竟如何呢？本文对Gemini报告进行分析，总的来说Gemini模型在图像、音频、视频和文本理解方面表现出卓越的能力。其包括Ultra、Pro和Nano尺寸，能够适用于从复杂推理任务到设备内存受限用例的各种应用。不像OpenAI接入多模态能力需要利用多个不同的模型，Google直接在预训练阶段直接接受多模态的输入是Gemini的特点之一，...Gemini技术多模态如何破解电商7大挑战？DMS+AnalyticDB助力企业智能决策
导语本文为数据库「拥抱Data+AI」系列连载第1篇，该系列是阿里云瑶池数据库面向各行业Data+AI应用场景，基于真实客户案例&最佳实践，展示Data+AI行业解决方案的连载文章。本篇内容针对电商行业痛点，将深入探讨如何利用数据与AI技术以及数据分析方法论，为电商行业注入新的活力与效能。相关内容推荐：《大咖说｜Data+AI：企业智能化转型的核心驱动力》行业趋势在当今数字化浪潮汹涌澎湃的时代，电商行业正经历着深刻的变革与发...人工智能聊聊基于 LSTM 的多特征序列预测-SHAP可视化！
社区头条前言本文基于前期介绍的电力变压器，介绍一种基于LSTM预测模型的SHAP可视化分析教程。数据集是使用.csv形式进行存储的，包括了除时间列外“HUFL”,“HULL”,“MUFL”,“MULL”,“LUFL”,“LULL”和“OT”7个特征。1多特征变量数据集制作与预处理1.1导入数据集取油温数据OT为目标预测值！1.2数据集制作按照8：2划分训练集，测试集，滑动窗口设置为122基于Pytorch的LSTM预测模型2.1定义LSTM预测模型2.2设置参数，训练模型注意调整...LSTMSHAP可视化一个轻量级RAG文本切块项目Chonkie
Chonkie：实用的RAG分块库，轻量级、速度快，可随时对文本进行分块。图片支持的方法Chonkie提供了多个分块器，可高效地为RAG应用程序拆分文本。以下是可用分块器的简要概述：TokenChunker：将文本分割成固定大小的标记块。WordChunker：根据单词将文本分成块。SentenceChunker：根据句子将文本分成块。SemanticChunker：根据语义相似性将文本分成块。SDPMChunker：使用语义双重合并方法分割文本。基准(VSLangChainLlamaIndex)尺...RAG文本切块适用于TTS语音处理项目的召回模型：词袋模型究竟是个啥？和语义召回相比有什么优劣？
原创 社区头条在人工智能的众多应用中，对于文档的准确召回是一个广泛使用的需求。例如，在基于阅读理解的问答系统（RAG）中，我们常常通过嵌入模型生成向量来进行语义方面的召回，这种方法已经证明了其效果良好。然而，这并不意味着该方法适用于所有场景。让我们考虑一个涉及语音处理的项目，用户可能会说出需要查询的内容，系统需要迅速召回与用户语音输入相关的文档。在这种情况下，系统的响应时间变得至关重要，任何延迟都可能影响用户体...LLM大模型《自然》科学报告：大模型在社会情境判断方面可以胜过人类
大模型在许多任务上表现优异，但是它们在社交情境中的判断能力仍是一个亟待解答的问题。社会情境判断不仅涉及对情境的理解，还包括适应和回应他人行为的能力。11月10日《自然》科学报告子刊发布文章《Largelanguagemodelscanoutperformhumansinsocialsituationaljudgments》，研究的目的正是为了探讨LLM能否在这方面与人类匹敌甚至超越人类。这项研究通过情境判断测试（SJT）对多款聊天机器人的表现进行了评估，并将其与人类参...大模型LLMChatGPT如何使用Hugging Face Transformers微调F5以回答问题？
原创 社区头条使用HuggingFaceTransformers对T5模型进行微调以处理问题回答任务很简单：只需为模型提供问题和上下文，它就能学会生成正确的答案。T5是一个功能强大的模型，旨在帮助计算机理解和生成人类语言。T5的全称是“文本到文本转换器”。它是一个可以完成许多语言任务的模型。T5将所有任务视为文本到文本问题。我们在本文中将学习如何优化T5以回答问题。安装所需的库首先，我们必须安装必要的库：pipinstalltransformersdatasetstorchT...T5大模型聊天机器人LangGraph实战：从零分阶打造人工智能航空客服助手
精华客服助手机器人能够帮助团队更高效地处理日常咨询，但要打造一个能够稳定应对各种任务且不会让用户感到烦恼的机器人并非易事。完成本教程后，你不仅会拥有一个功能完备的机器人，还将深入理解LangGraph的核心理念和架构设计。这些知识将帮助你在其他人工智能项目中运用相似的设计模式。由于内容较多，本文将由浅入深，分四个阶段进行讲解，每个阶段都将打造出一个具备以上描述所有能力的机器人。但受限于LLM的能力，初期阶段的...LangGraph人工智能航空客服NeurIPS'24：针对时序预测中时间戳特征的研究
社区头条这篇文章给大家介绍一下北邮在NeurIPS2024中发表的一篇时间序列预测工作，重点研究了如果有效利用时间戳特征提升时序预测效果，相关方法可以嵌入到现有的各类SOTA时序预测模型中。论文标题：RethinkingthePowerofTimestampsforRobustTimeSeriesForecasting:AGlobalLocalFusionPerspective下载地址：https:arxiv.orgpdf2409.186961.研究背景现有的时间序列预测方法大多依赖于数值型的历史数据，并且假设这些数据的分布是相对稳定...预测时序时间戳微软“虚拟小人”项目或将激发出一大批高价值生成式AI场景，打破“叫好不叫座”困境
对于一个用户系统，通常有一个非常有效的用户增长方法就是做用户AB实验，我们将不同的策略投放给不同的用户，以观察他们的反馈来优化策略。更进一步，我们甚至希望在策略上线前，就能观察到不同人群的反应是什么，是否能够达到我们策略的预期。在过去大模型还未出现的时代，我们就曾有过这样一个很有挑战性的有趣idea，能否构造海量的这样智能体用户，让他们做我们帮我们迭代验证推荐模型，他们有不同的性格和爱好，他们可以对...微软AI场景活久见，贝多芬的第九交响曲竟然跟材料结构有相似性，一幅艺术画作让大模型诞生新生物材料！
原创 社区头条出品51CTO技术栈（微信号：blog51cto）太酷了，12日消息，麻省理工大学研究团队发表了一篇新的研究结果。研究发现：通过大模型的加持，科学和艺术竟然存在某种隐藏联系，进而可以生成新的生物材料。图片基于图形的人工智能模型（中）建议创建一种新的基于菌丝体的生物材料（右），其灵感来自于瓦西里·康定斯基的画作《第七幅作品》（左）马库斯·布勒（MarkusBuehler）在其新人工智能系统的帮助下（中、右）1.图推理拉高AI科学...贝多芬MIT模型
