AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
RAG高级优化：检索策略探讨Fusion, HyDE安排上(含代码)
原创 精华传统的检索方法通常依赖于对query进行语义理解(基于向量)或关键字匹配(BM25)，这两种方法都有其优点和缺点。融合检索、HyDE和RAGFusion可以创建一个更健壮和准确的检索系统。本文将介绍三种优化方法：Fusionretrieval：基于向量和基于bm25的检索HyDE(假设文档嵌入)：通过根据查询生成和嵌入假设文档来增强检索。RAGFusion：通过结合多次搜索迭代的结果来提高检索质量。高级RAG技术介绍FusionRetrieval融合检索是一种强大的文档...RAG大模型检索增强(RAG)技术之——GraphRAG，知识库产品必不可少的技术
原创“RAG技术的重难点，是怎么更高效和更准确的检索数据”知识库技术作为大模型技术的一个重要应用方向，也是对大模型技术的一个重要补充；特别是在问答系统，如智能客服等领域，知识库有着非同一般的作用。从技术的角度来说，一个智能客服的好坏，除了大模型本身的质量之外，更多的是由知识库决定的。因此，知识库的作用不言而喻，而怎么才能做出一个合格的知识库，需要使用哪些技术。今天，我们就来讨论一下GraphRAG知识库技术。...大模型RAGGraphRAG爆火的本地知识库项目是什么？什么是RAG？本地知识库与大模型的关系
原创“本地知识库就相当于大模型的外部资料库。”很多人应该都听过本地知识库项目，它是当今人工智能领域爆火的项目之一，那么到底什么是本地知识库？它和大模型有什么关系？怎么构建本地知识库？1、为什么需要本地知识库？其实本地知识库和大模型本身没有什么直接关系，可以说它们是两个完全独立的技术。但因为大模型的幻觉问题和大模型的数据更新迟缓，因此才把知识库技术与大模型技术相结合，产生了大模型知识库技术。什么是知识...RAG本地知识库大模型什么是端到端(end to end)大模型，它和传统的大模型有什么区别？其优势与劣势是什么？
原创“端到端模型，是一个直接由输入获取输出的过程”最近有一个很火的关于人工智能模型的词——端到端模型。那么什么是端到端模型？为什么会提出端到端模型，以及它解决了哪些问题？今天我们就来一起了解一下这个端到端模型。端到端模型还记得计算机组成原理里面，关于冯诺伊曼计算机结构中，组成计算机的几个模块吗？运算器控制器存储器输入设备和输出设备，由这五大模块组成了现有的计算机系统。而对我们使用者来说，这五大模块...大模型端到端模型大模型与社会分工，产业链与模块化
原创“分工才是社会进步的动力，大模型产业链才刚刚开始”可能很多人看了标题会觉得很奇怪，大模型与社会分工有什么关系，产业链和模块化又是什么鬼，我们不是学习大模型技术和应用的么？怎么越来越跑偏了。其实，写这篇文章的目的就是为了解放大家的思想，要明白大模型不是一个事，也不是一个人做的事，它是一个庞大的系统，需要大家分工合作才行。大模型与社会分工，产业链与模块化的关系这篇文章可能并不是一篇技术文章，可能更...大模型社会分工RAG开发新技术：利用语义相似度提升标签过滤质量
原创本文旨在介绍如何利用语义相似度改进标签过滤以提升RAG应用开发质量。要理解本文中的内容，你需要掌握Jaccard相似性和向量搜索等预备知识。本文算法的实现已在GitHub（https:github.comatlantisnovasimtag）上发布，并且是完全开源的。简介多年来，我们已经发现了如何从诸如数字、原始文本、图像和标签等不同类型的模式数据中检索信息。随着应用程序定制用户接口的日益普及，标签搜索系统已成为一种方便、准确的信息过滤方式。...算法视觉语言模型LLM多模态-故障诊断 | 大核卷积开启视觉新纪元!
精华前言本期推出结合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...多模态卷积视觉LLM微调技术调研
ChatGTP、LLaMA2等通用大模型具备优秀的推理性能，但在面对复杂多变的业务场景时，往往难以满足多样化的需求。ChatGPT等通用大模型通常需要经过复杂漫长的训练过程，预训练期间需要巨大的算力和存储消耗，大多场景下从0到1训练一个模型不仅成本高昂，而且没有必要，因此基于预训练的模型并对其进行微调成为有价值的研究方向。微调预训练的通用大模型，不仅可以节约成本，也可以使模型更符合特定领域的需求，变得更定制化、专业...LLM微调技术ACM MM24 | Hi3D: 3D生成领域再突破！新视角生成和高分辨率生成双SOTA(复旦&智象等)
文章链接：https:arxiv.orgpdf2409.07452Github链接：https:github.comyanghb22fduHi3DOfficial亮点直击本文提出了高分辨率图像到3D模型（Hi3D），这是一种基于视频扩散的新范式，将单个图像重新定义为多视角图像，作为3D感知的序列图像生成（即轨道视频生成）。该方法深入探讨了视频扩散模型中潜在的时间一致性知识，这些知识在3D生成中能够很好地推广到多个视角之间的几何一致性。提出了基于视频扩散模型的图像到3D生成方法，...3D模型生成一种模块化大模型Agent框架全栈技术综述
精华现有基于LLM的智能体虽然在功能上取得了进展，但缺乏模块化，导致在研究和开发中存在术语和架构上的混淆，在软件架构上缺乏统一。“AsurveyonLLMbasedautonomousagents”提出的框架，它并没有明确指出大型语言模型（LLM）、工具、数据源和记忆是否是Agent的一部分。这种对每个模块功能的模糊区分促进了软件开发者之间的分裂，并导致不兼容和阻碍了可重用性LLMAgentUMF框架通过明确区分智能体的不同组件，包括LLM、工具和新引入...大模型Agent框架ECCV`24 | 比现有方法快50倍！新加坡国立开源FlashSplat：简单&全局最优3D-GS分割求解器
文章链接：https:arxiv.orgpdf2409.08270项目链接：https:github.comflorinshenFlashSplat亮点直击引入了一种全局最优的3DGaussianSplatting分割求解器，大大提高了将2D分割结果提升到3D空间的效率。通过线性化简化了3DGS分割的过程，将2D到3D的分割任务转化为线性整数优化问题。该方法对二值分割和场景分割均有效。在优化中引入了背景偏置，展示了在3D分割中对噪声的优越鲁棒性，证明了该方法在各种场景分割中的鲁棒性和高效性...3D 模型在大语言模型中分离语言和思想
译者注：维特根斯坦提出他的“语言游戏”核心哲学概念的时候，还没有大语言模型，不然什么是语言活动的意义，如何通过语言的使用过程研究语义，怎样才能不把语言看作孤立静止的描述符号，而是看作体现生活的动态人类活动？什么又是大语言模型的建设性的、持续性的动态人类活动？遗憾人们已经没有机会听到这位哲学天才的看法了。概要大语言模型（LLM）是迄今为止所有模型中最接近掌握人类语言的模型，但对其语言和认知能力的看法...语言模型分离语言自然（Nature）科学数据子刊：用于对话情境中情绪识别的 EEG-音频-视频数据集的创新应用
精华情感识别技术在现代人机交互中扮演着越来越重要的角色。随着人工智能和机器学习技术的快速发展，理解和识别人类情感已成为实现更自然、更人性化互动的关键。情感识别不仅能够提升用户体验，还能在心理健康监测、智能客服、教育和娱乐等多个领域发挥重要作用。在对话情境中，准确识别情感尤为重要，因为情感状态直接影响交流的效果和质量。通过捕捉和分析对话中的情感信号，机器可以更好地理解用户需求，提供更个性化和贴心的服...EEG视频数据集AI最大的应用是什么，如何成为初代AGI产品经理？
AI最大的想象力不在手机屏幕，而是接管数字世界，改变物理世界AI技术的发展速度已经超越了历史上的任何时期，但目前我们仍处于AGI（人工通用智能）变革的早期阶段。吴泳铭在演讲中提到，AI的真正潜力不在于创造几个新的超级应用，而在于其能够渗透并接管数字世界，最终改变物理世界。AI技术的发展现状技术迭代速度：AI技术，尤其是大模型技术，正在快速迭代，其可用性大幅提升。大模型已经具备了文本、语音、视觉的多模态能力，...AIAGI产品经理时序预测中的多类型模型组合建模方案
时间序列建模中很多种类型的结构可以选择，比如Transformer、CNN、RNN，以及最近被验证有效的MLP、Mamba等结构。然而，不同模型都有特定的潜在优势和劣势。因此，现在越来越多的时序预测模型优化工作，采用了多模型组合的建模方式。今天这篇文章，就给大家介绍一下多模型组合建模的核心思路，以及几篇近期发表的多模型组合时序预测工作，在一个模型中同时使用不同类型的模型结构，实现各个结构之间的优势互补。1.早期模型组合建...时序预测组合模型性能Anthropic提出Contextual Retrieval让RAG再进化，大幅降低检索失败率
在知识库问答等场景中，RAG已经成为当下最流行的LLM应用范式，为LLM提供又全又准的上下文信息是众多RAG技术努力的方向。在传统的RAG解决方案中，编码信息时往往会丢失上下文，这导致系统无法从知识库中检索到相关信息，如何能够更好地保留上下文信息成为了问题关键。Anthropic研究团队提出了“ContextualRetrieval（上下文检索）”的创新方法在此领域取得了显著进展。近日，他们发表文章[1]可披露了这一技术的细节，他们通过上...Anthropic检索失败率不依赖CUDA的大模型推理已经实现
原创在过去的十年中，CUDA已经成为深度学习模型推理领域的核心技术。NVIDIA的CUDA技术优化了GPU的性能，提高了数据处理的速度和效率。然而，CUDA的主导地位也带来了对NVIDIA硬件的依赖，这限制了在非NVIDIA平台上进行高效推理的可能性。为了应对这一挑战，近年来，开源社区和企业开始寻求开发不依赖于特定供应商的推理技术。Triton的崛起OpenAI开发的Triton编程语言应运而生，旨在为广泛的硬件设备提供高效的并行编程方式。它允许开...TritonCUDA大模型推理ChatGPT 与 AI 会议同行评审：大规模监测 AI
原创编辑言征作者智能交互引擎出品51CTO技术栈（微信号：blog51cto）如何监测AI生成的内容？一篇文章中AI生成的篇幅占比究竟有多少？今年4月，一篇题为“MonitoringAIModifiedContentatScale:ACaseStudyontheImpactofChatGPTonAIConferencePeerReviews”的论文引起了广泛关注。该论文探讨了ChatGPT对AI会议同行评审的影响，并提出了一种估计大型语料库中被AI大幅修改或生成的文本比例的方法。一、研究背景随着大型语言模型（LLM）的...ChatGPTAILLM多模态AI搜索引擎最强设计，赶超商业！GPT-4o、Qwen荣登榜首！研究者阵容豪华：香港中文大学、字节、北大、
原创编辑言征出品51CTO技术栈（微信号：blog51cto）有了多模态大模型（LMM）之后，之前那种OCR“以图搜图”的方式已经不再Fashion了。然而，遗憾的是，虽然今年AI搜索很火、多模态很火，但是多模态的AI搜索进展却进展缓慢。香港中文大学、字节跳动、上海人工智能实验室、北京大学、斯坦福大学、商汤科技的一众研发人员开始着手研究多模态搜索引擎的可行性了。他们精心设计了一种零样本的方法，可以让LMM化身“多模态搜索引擎”。重...多模态AI搜索机器学习的量子飞跃：突破人工智能能力的边界
原创量子计算、神经形态芯片和其他技术正悄悄地将机器学习推向深不可测的新高度。机器学习在短时间内取得了长足进步，似乎每天我们都会听到有关人工智能（AI）能力的新突破。但即使有这么多炒作，一些改变游戏规则的进步最初却往往被忽视。无论是在国际象棋和围棋上战胜人类大师，创作新的视频游戏配乐，还是在诊断癌症方面击败医生，人工智能显然已经不再只是科学幻想。但即便如此，我们实际上也只是触及了各种可能性的“冰山一角...机器学习人工智能量子计算
