AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
解锁图像数据的商业价值：Cohere推出Multimodal Embed 3
原创01、概述在当今这个互联互通的世界，能够同时理解和处理多种信息类型显得尤为重要。这不仅是人工智能发展的关键，也是推动商业智能化的重要一步。然而，传统的AI模型在跨文本与图像的信息整合方面常常存在局限。这使得理解一篇配有图表或表情包的文章变得异常困难，这种对复杂关系的理解不足也限制了搜索引擎、推荐系统及内容审核等应用的能力。02、MultimodalEmbed3革新之作Cohere最近正式推出了MultimodalEmbed3，这是一款旨...Multimodal Embed大预言模型如何让大型语言模型部署更高效？Run:ai Model Streamer的革命性突破
原创01、概述在人工智能的迅速发展中，大型语言模型（LargeLanguageModels，简称LLMs）正成为各类应用的核心。然而，面对强大模型带来的复杂计算需求，如何高效部署成为了一个关键问题。尤其是在加载模型时，大部分用户会遭遇“冷启动问题”——即模型从存储器加载到GPU内存的时间延迟。这种延迟不仅影响用户体验，还直接影响模型的可扩展性和实时性。针对这一挑战，Run公司推出了一款革命性工具——RunModelStreamer。该工具通过并...大预言模型LLMsLLMs 如何处理相互矛盾的指令？指令遵循优先级实验
原创编者按：想象一下，你正在开发一个AI助手，突然发现systemmessage和用户提示词存在冲突，这时AI会听谁的？这种情况不仅困扰着开发者，还可能导致AI系统的不稳定和不可预测，影响用户体验和系统可靠性。本文作者通过一系列精心设计的实验，深入探讨了GPT4o和Claude3.5等顶尖大语言模型在面对systemmessage、prompt和fewshotexamples相互矛盾时的行为模式。研究结果揭示了一个令人惊讶的事实：即使是最先进的AI系统，在处理矛盾指...AI LLM引入上下文检索(Contextual Retrieval)：提升AI模型的精准度与效率
原创01、概述在当今的数字时代，人工智能（AI）模型的应用场景越来越广泛，从客户支持聊天机器人到法律分析助手，每一种应用都需要准确的背景知识。为了让AI在特定环境中更有用，开发者通常会利用一种叫做“检索增强生成（RAG）”的方法。这种方法通过从知识库中检索相关信息并将其附加到用户的提示中，从而显著提升模型的响应质量。然而，传统的RAG方案在编码信息时往往会丢失上下文，导致系统无法有效地检索到相关信息。在本文中...RAG大语言模型一文彻底搞懂深度学习 - 过拟合和欠拟合
原创在深度学习中，过拟合和欠拟合是训练模型时常见的两大问题，它们会严重影响模型的泛化能力。过拟合，模型太复杂，学了噪声，训练数据上表现过好而在新数据上表现差；欠拟合，模型太简单，没学够特征，训练数据和新数据上都表现不佳。为了解决这些问题，可以采取多种策略，包括增加训练数据量、使用正则化技术、选择更合适的模型、进行特征选择和降维、采用交叉验证等。这些策略可以有效地提高模型的泛化能力，从而推动深度学习...深度学习什么是多模态大模型
原创“多模态大模型核心要点只有两个，交叉性和互补性；多模态大模型的目的就是在保证互补性的前提下，去除交叉性”在上一篇文章中介绍了什么是生成式大模型，生成式大模型的本质是一种表征模型，主要包括两个方面理解与生成，或者说所有的模型都是基于理解和生成两个方面组成。而什么是多模态模型呢？网上一般谈到多模态模型，就是具有多种数据模式的模型，比如同时能够处理文字，图片，视频等多种模态数据的模型。其实从本质上来...多模态大模型大模型AI Agent落地电商典型应用实践
所谓agent是有记忆和规划技能的大模型，主要能力是感知环境、做出决策。一个精简的agent决策流程可以概括为：感知（perception）→规划（planning）→行动（action）在淘宝业务场景中，平台希望把agent技术与智能助手业务结合起来做用户侧的创新。而在业务实践中，主要诉求也主要是：提供一个交互页面，可以使用LLM智能体的自然语言理解能力、思维规划能力、工具使用等能力，直接理解用户输入的需求，然后通过agent规划能力，决...AI AgentTextIn：一款优秀的文档解析神器，提升RAG性能必备
原创 精华前言在私有领域知识问答和企业知识管理领域，结合检索增强型生成模型（RetrievalAugmentedGeneration,RAG）大模型（LargeLanguageModel,LLM）已成为一种趋势。然而，在RAG系统的文档预处理阶段和检索阶段，经常碰到三个主要问题。企业内部常常积累了大量包含PDF格式的文档，这些文档的解析精度不足，严重制约了基于专业知识的问答系统的性能。因此，提高这些PDF文件的解析质量，对于构建高效的RAG系统至关重要。构建起一个完备...TextIn文档解析RAG先进的多文档问答（MDQA）框架HiQA：大幅降低区分度低的复杂多文档RAG的幻觉问题
原创背景检索增强生成（RAG）迅速推进了语言模型领域，特别是在问答（QA）系统。通过在响应生成阶段集成外部文档，RAG显著提高了语言模型的准确性和可靠性。这种方法提高了响应的质量，并降低了幻觉的频率，其中模型生成了错误或误导性的信息。然而，这些方法表现出有限的检索精度时，面对众多的难以区分的文件，在其实际应用中提出了显着的挑战。为了应对这些新出现的挑战，本文提出HiQA，一个先进的多文档问答（MDQA）框架，集成...大模型RAG最近爆火的GraphRAG是什么，真的能用于商业应用吗？
原创GraphRag解决了什么问题在朴素的RAG（自我检索生成模型）中，我们使用一个向量库作为我们的知识库。当用户提出查询时，该系统从向量库中匹配顶部K个元素作为上下文，并将这个上下文与提示和查询一起交给大型语言模型(LLM)进行回答。现在，让我们假设这个向量库是指向企业知识的。有两个示例查询:xx产品的价格是多少？去年技术团队的成果有哪些？对于第一个问题，由于它是非常具体的，知识库的搜索可能会找到相应的信息块或常见...GraphRAGRAG小白也能读懂的GraphRAG知识图谱全流程解析，多图预警！
原创今天，我要和你分享的是如何用GraphRAG从一个普通的txt文件中创建知识图谱，准备好了吗？那就让我们开始吧！GraphRAG解决了什么问题当你问：“这个数据集的主题是什么？”这类高级别、概括性的问题时，传统的RAG可能就会束手无策。为什么呢？那是因为这本质上是一个聚焦于查询的总结性任务(QueryFocusedSummarization，QFS)，而不是一个明确的检索任务。我知道你现在可能在想，“那我们该如何解决这个问题呢？”好消息是，有人...GraphRAG知识图谱多模态RAG-VisRAG：基于视觉的检索增强生成在多模态文档上的应用
原创前期文章提到，多模态的RAG框架ColPali通过视觉语言模型（VLMs）高效地检索纯视觉特征的文档，实现视觉文档问答。【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本文再来看一个类似工作，VisRAG，一种基于视觉语言模型的检索增强生成（RAG）方法，用于解决多模态文档中的信息利用问题。方法VisRAG分为VisRAGRet和VisRAGGen两个阶段。传统的基于文本的RAG（TextRAG，左）依赖于解析后的文本进行检...RAG多模态HuggingFace模型转一键llamafile包完整教程，通义千问成功案例分享
随着通义千问开源版的发布，越来越多的用户希望能在本地部署这款优秀的中文大模型。然而，传统的部署方式往往需要复杂的环境配置，让很多非技术背景的用户望而却步。今天，我要向大家介绍一个革命性的方案：将通义千问转换为Llamafile格式，实现真正的一键运行！有关llamafile的特点，我在上周的文章中做过总结。这次我给大家带来的是著名的中文开源大模型“通义千问”的本地一键运行解决方案。为什么选择通义千问？通义千问（Q...HuggingFace模型14B版本多模态RAG-ColPali：使用视觉语言模型实现高效的文档检索
原创前面文章提到，文档智能解析能够有效的增强RAG系统的准确性。【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文档智能解析RAG一般流程可以看到基于PDF的RAG，需要先对pdf进行解析，生成文本chunk，然后再基于文本建索引。这种pipline的方式，每个解析模块都需要放置对应的解析模型，存在着错误传播的问题。因此，笔者看到ColPali时，这种端到端的方案挺有意思，本文来看一看这个思路。ColBERT在此...RAG多模态RAG增强之路：增强PDF解析并结构化技术路线方案及思路
原创
社区头条前言现阶段，尽管大模型在生成式问答上取得了很大的成功，但由于大部分的数据都是私有数据，大模型的训练及微调成本非常高，RAG的方式逐渐成为落地应用的一种重要的选择方式。然而，如何准确的对文档进行划分chunks，成为一种挑战，在现实中，大部分的专业文档都是以PDF格式存储，低精度的PDF解析会显著影响专业知识问答的效果。因此，本文将介绍针对pdf，介绍一些pdf结构化技术链路供参考。一、可编辑文档1.1语义分段经pdf解析...文档智能RAGOpenAI 的 Sora 技术报告详解
Sora详细的技术报告发布了，相关从业者可能都需要看看。里面有OpenAI的训练思路以及Sora详细的技术特性，我从里面找了一些要点，详细的可以去看完整内容。简单来说Sora的训练量足够大也产生了类似涌现的能力。技术特点三维空间的连贯性：Sora可以生成带有动态相机运动的视频。随着相机移动和旋转，人物和场景元素在三维空间中保持连贯的运动。模拟数字世界：Sora还能模拟人工过程，如视频游戏。Sora能够同时控制Minecraft中的玩...OpenAISora技术探索Llama 3：迄今为止最强的开源大型语言模型！
在AI领在Meta的最新发布会上，公司官方宣布推出两个版本的Llama3模型，具体为80亿和700亿参数版本。这一举动不仅标志着Llama3成为目前全球最强大的开源大模型，同时也预示着人工智能技术向更高层次的跃进。Llama3的发布，是对AI领域的一次重大贡献。在多个基准测试中，Llama3的表现超越了许多知名模型，包括Gemma7B和Mistral7BInstruct。尤其是在模型的70B版本中，它不仅在性能上超越了闭源的竞争对手如Claude3Sonnet，还与谷歌...Llama 3语言模型游戏中的生成式 AI 革命
社区头条AI改变游戏，这项工作的变革性不仅在于它节省了时间和金钱，同时也提供了质量——从而打破了经典的“成本、质量或速度只能有两个”的三角关系。艺术家们现在只需要几个小时就可以创作出高质量的图像，否则手工生成这些图像需要数周时间，真正具有变革性的是：任何人只要能学习一些简单的工具，就可以获得这种创造力；这些工具可以以高度迭代的方式创建无限数量的变化；一旦训练完毕，该过程是实时的——几乎可以立即获得结果。...游戏AI生成式什么是大模型、特点、优势。大模型与AIGC的关系
社区头条大模型是指在人工智能领域，特别是在机器学习和深度学习中，具有大量参数和层次的模型。这些大型模型通常需要大量的训练数据，以及相当大的计算资源来进行训练和推理。它们在处理复杂任务时，如自然语言处理、图像识别、语音识别等领域表现出色。大模型的特点：大量参数：大模型通常包含数十亿到数百亿个参数，使得它们能够捕捉数据中的微妙模式和复杂关系。深层网络结构：这些模型往往具有深层的网络结构，包括多层的神经网络...大模型人工智能AIGC可扩展性长文本评测集——Ada-LEval 详细解读
长文本评测随着大模型能够处理的上下文信息越来越多，达到百万级别的词汇量，人们对于模型长文本能力的研究兴趣也随之增长。司南OpenCompass数据集社区已经出现了诸如LEval、LongBench等长文本评测基准。这些工作基于一些开源自建的数据集构建样本，其构建评测集上的性能已可以一定程度上反映模型的能力。因此，在长文本评测这一工作里，我们认为一个好的长文本评测集应该具备以下性质：样本长度可控：测试样本的上下文长度最好...Ada-LEvalAPI模型
