AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
大模型面经——Langchain总结
原创本篇介绍Langchain相关面试题。本次将会分为上下两个部分，本篇章将会介绍前三个问题，下一次在将后三个问题补充完毕。以下是一个快捷目录：什么是LangChainLangChain包含哪些部分？LangChain中ChatMessageHistory是什么？介绍一下LangChainAgentLangChain如何Embedding&vectorstore？LangChain存在哪些问题及方法方案什么是LangChainLangChain是一个基于语言模型的框架，用于构建聊天机器人、生成式问答（GQA）、...大模型Langchain击败GPT-4o、仅次于o1！英伟达重磅开源超强大模型--Nemotron
精华全球AI领导者英伟达（Nvidia）开源了超强大模型——Llama3.1Nemotron70BInstruct。根据测试数据显示，这个模型已经击败GPT4o、GPT4turbo、Gemma2、Gemini1.5、Claude3.5sonnet等140多个开闭源模型，仅次于OpenAI发布的最新模型o1。Nemotron的基础模型是基于Llama3.170B开发而成，这个没什么新奇。但在训练的过程使用了一种新的混合训练方法，将BradleyTerry和Regression一起用于训练奖励模型。值得一提的是，英伟达把Nemotron的...模型数据UIUC提出InstructG2I：从多模态属性图合成图像，结合文本和图信息生成内容更丰富有趣！
今天给大家介绍的这项工作是伊利诺伊大学厄巴纳香槟分校的研究者们提出的一个新任务Graph2Image，其特点是通过调节图信息来合成图像，并引入了一种名为InstructG2I的新型图调节扩散模型来解决这个问题。在INSTRUCTG2I的工作中，研究者们开发了一种新方法来生成图像，这种方法不仅依赖于文本描述，还考虑到图中其他相关信息。想象一下，如果你要画一幅画，除了有一个简单的描述，比如“雪中的房子”，你还可以参考与这个房子相关...模型图像2024年了，视频生成模型离通用世界模拟器还有多大差距？SOTA模型全面评估
文章链接:https:arxiv.orgpdf2410.05363项目链接:https:phygenbench123.github.io数据&代码：https:github.comOpenGVLabPhyGenBench亮点直击提出了PhyGenBench，它涵盖了广泛的明确物理现象和明确的物理定律。该基准可以全面衡量T2V模型是否理解直观物理学，并间接评估它们与世界模拟器能力之间的差距。提出了一个自动化评估框架PhyGenEval，克服了使用其他指标评估物理常识正确性的问题，并且在PhyGenBench上表现出与人类反馈...AI模型大模型面经——LoRA最全总结
原创LoRA面经搜集总结。大家的显卡都比较吃紧，LoRA家族越来越壮大，基于LoRA出现了各种各样的改进，最近比较火的一个改进版是dora，听大家反馈口碑也不错。基于PEFT的话用409024G显存也可以进行大模型的微调，所以LoRA家族这块还是很有研究和实际落地的潜力。LoRA整个系列分为两个部分：1、LoRA总述2、LoRA家族演进本篇开始介绍第一部分：LoRA总述，尽量以面经问题的形式提出并解答，下面是一个快捷目录。一、概念1.简单介绍一下Lo...大模型LoRA两难抉择：自己定制LLM代理还是使用现有LLM代理框架？
原创
社区头条本文旨在帮助你在使用自己定制的LLM代理还是使用现有LLM代理框架之间作出正确的选择。简介首先，要感谢JohnGilhuly对本文的贡献。当下，人工智能代理暂时处在大休整时期。随着多个新的AI开发框架的不断出现和人们对该领域不断进行新的投资，现代人工智能代理正在克服不稳定的初始阶段，迅速取代RAG而成为实施重点。那么，2024年最终会成为什么样的年份呢？是自主人工智能系统接管我们人工来书写电子邮件、预订航班、处理数据，...人工智能LLM代理LLM代理框架阿里国际发布首个大规模商用翻译大模型Marco，效果超Google、DeepL等，全球开放！
原创编辑星璇出品51CTO技术栈（微信号：blog51cto）在AI调用量最高的场景之一——机器翻译，阿里国际的AI团队有了新进展。10月16日，阿里国际副总裁、AI负责人张凯夫在接受彭博社专访时表示，阿里国际最新研发的Marco翻译大模型，支持中、英、日、韩、西、法等15种全球主流语种。目前已在阿里国际AI官网Aidge上发布，面向全球用户开放使用。基于目前广泛使用的开源评测数据集Flores，Marco翻译大模型在BLEU自动评测指标上，领先于市...阿里国际大模型Marco多模态-故障诊断 | 大核卷积开启视觉新纪元!
前言本期推出结合CVPR2022视觉顶会论文RepLKNet的多模态故障诊断创新模型，适合各种故障诊断领域、电能质量扰动信号、各种声信号、脑电信号等分类任务!创新模型还未发表！！！有小论文、毕业论文需求的不容错过！提供马尔可夫转换场MTF、递归图RP、格拉姆矩阵GAF、连续小波变换CWT、短时傅里叶变换STFT五种时频图像变换方法，可灵活替换多模态特征中的时频图像类型！1创新模型相关解释●数据集：CWRU西储大学轴承数据集●环境框...多模态故障诊断视觉忘记Tool检索，拥抱全新Agent ToolGen！
社区头条传统大模型工具调用的方法依赖于将工具描述作为上下文输入，这受到上下文长度的限制，并需要单独的、通常效率低下的检索机制。之前基于检索的方法与ToolGen之间的比较。以前的方法使用检索器根据相似性匹配检索相关工具，这些工具进一步被放入提示中供LLMs选择。ToolGen可以通过直接生成工具标记来检索工具。ToolGen也可以在不依赖任何外部检索器的情况下完成任务。为此，微软等提出ToolGen，这是一种将工具知识直接整合到LLM参...Tool检索Agent图解LLM-Agent大模型智能体
社区头条LLMAgent大模型智能体热度空前，但智能体是什么、为什么、怎么办，行业还没有统一认知，典型的小学语文课本里“小马过河”的现实版。是什么一、OpenAI工程师LilianWeng的定义2023.6.23规划子目标和分解：将大型任务分解为更小的、可管理的子目标。反思和改进：对过去的行动进行自我批评和自我反省，从错误中学习。记忆短期记忆：上下文学习都是利用模型的短期记忆来学习。长期记忆：长期保留和回忆信息的能力。工具使用调用外部...LLMAgent大模型人工智能与人类情感的交汇点：一致性评估方法的探索
精华近来，人工智能（AI）的迅猛发展使其在情感生成和评估领域的应用逐渐成为研究热点。AI技术尤其是生成对抗网络（GANs）和变分自编码器（VAEs），在图像生成方面取得了显著进展。然而情感生成的复杂性和主观性一直是一个挑战。图像能够传达情感，但情感体验具有高度的个人主观性，尤其是在通过AI生成图像并试图传达特定情感时。10月13日arXiv发表的论文《LEVELOFAGREEMENTBETWEENEMOTIONSGENERATEDBYARTIFICIALINTELLIGENCEANDHUM...人工智能人类情感方法LangChain应用开发指南-TruLens用量化对抗幻觉
精华在AI的发展中，大规模语言模型已经取得了令人瞩目的成果，然而，随之而来的是模型质量和不确定性的问题。如何衡量和改进模型的质量，一直是我们面临的一个挑战。为了解决这些问题，我们将在这篇文章中，介绍LangChain框架和TruLens工具，它们将帮助我们评估模型的质量，提高模型质量，并能够用量化的方法对抗不确定。什么是TruLensTruLens是面向神经网络应用的质量评估工具，它可以帮助你使用反馈函数来客观地评估你的基于LLM（...LangChain量化TruLens清华大学最新发布：统一时序预测模型，上下文长度首次扩展至千级别，适用各类数据集
今天给大家介绍一篇清华大学的时间序列预测最新工作，提出了统一的Transformer时序预测模型，能同时处理单变量和多变量时序预测，并将时序预测的上下文长度首次扩充到千级别。论文标题：TIMERXL:LONGCONTEXTTRANSFORMERSFORUNIFIEDTIMESERIESFORECASTING下载地址：https:arxiv.orgpdf2410.04803v11.背景构建类似NLP领域的统一大模型是时序预测领域近期研究的焦点。虽然前序已经涌现很多工作，但是这些建模方法只能处理...清华大学数据集预测模型A16Z：导出"你的大脑"给AI,你将收获什么？
a16z分析师最新发表的文章《ExportYourBrain:HowIUploadedMyselftoAI》展示了一个令人振奋的产品方向：导出"我们的大脑"给AI，从而在日常生活和工作中获得前所未有的效率和洞察力。这篇文章指明了未来一个非常有前景的AI应用赛道。核心观点：AI作为个人数字化延伸文章的核心观点是，AI不仅仅是简单的任务自动化工具，而是可以通过深度学习我们的思维方式和行为模式，成为我们的"数字化延伸"。这种技术的发展将彻底改变我们的工...AI数字化数据#AIGC创新先锋者征文大赛# RAG vs 长上下文 LLMs：谁主沉浮？
原创 精华【本文正在参与AI.x社区AIGC创新先锋者征文大赛】https:www.51cto.comaigc2223.html编者按：随着大语言模型（LLMs）的上下文窗口不断扩大，您是否开始思考：我们还需要花费大量时间和资源来构建复杂的检索增强生成（RAG）系统吗？本文深入探讨了长上下文LLMs与RAG系统的优劣势，揭示了它们在实际应用中的表现差异。通过对最新四篇学术研究的全面分析，作者阐明了长上下文LLMs在某些任务中的优势，同时也指出...AIRAGLLMs大模型面经——以医疗领域为例，整理RAG基础与实际应用中的痛点
原创RAG相关理论知识与经验整理。谈到大模型在各垂直领域中的应用，一定离不开RAG，本系列开始分享一些RAG相关使用经验，可以帮助大家在效果不理想的时候找到方向排查或者优化。本系列以医疗领域为例，用面试题的形式讲解RAG相关知识，开始RAG系列的分享本篇主要是理论知识与经验；后续会结合最新的优化方法给出详细的优化代码，和实践中衍生的思考。下面是本篇的快捷目录。1.RAG思路2.RAG中的prompt模板3.检索架构设计一、RAG思...大模型RAGOpenAI o1：用内部思维链进行复杂推理
原创 精华本篇将介绍OpenAIo1。OpenAIo1，这是一种新的大型语言模型，经过强化学习训练，可以执行复杂的推理。O1在回答之前会思考在响应用户之前，它可以产生一个很长的内部思维链。OpenAIo1在竞争性编程问题（Codeforces）中排名89百分位，在美国数学奥林匹克竞赛（AIME）资格赛中跻身美国前500名学生之列，在物理、生物和化学问题的基准（GPQA）上超过了人类博士水平的准确性。OpenAI的大规模强化学习算法教会模型如何在高度数据高效...OpenAI o1大型语言模型多模态大模型最全综述导读
原创多模态大模型最新研究综述简单版。不知道最近微软出的多模态大模型最全综述MultimodalFoundationModels:FromSpecialiststoGeneralPurposeAssistants大家有没有看包含5大主题一共119页，内容又干又多，目前网上找到的中文解读干货内容都比较全比较长，很容易迷失其中，一直难以看完。本期来给大家做一个这篇论文相对简单的导读；如果大家有想要着重了解部分或感兴趣的内容可以先针对性地看。下面是一个快捷目录。1.章节分布2.具...多模态大模型大模型如何分析和修复LLM应用程序中的错误
原创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。这对于那些习惯于开发传统机器学习应用程序的人来说带来了难题。如果没有一种系统的方法来分析错误并进行更正，那么可能会陷入...机器学习大型语言模型LLM#AIGC创新先锋者征文大赛#PyTorch深度学习基础环境搭建
【本文正在参与AI.x社区AIGC创新先锋者征文大赛】https:www.51cto.comaigc2223.html1.Miniconda安装Miniconda是一个轻量级的Python发行版，只包含最基本的内容——Python、conda以及相关的必须依赖项。它适用于空间要求严格的用户或只需要Python和Conda核心功能的用户。Miniconda由于其轻量级的特点，非常适合那些对存储空间有严格限制的用户，或者只需要使用Python和Conda核心功能的用户。例如，进行简单的包管理和环境管理时...pytorch；
