AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
GLM-4-Flash宣布免费，Agentic RAG体验，让我觉着，真香！
精华一、RAG问答将RAG过程应用于问答的一个代表性实例。主要由3个步骤组成。索引，文档被分割成块，编码成向量，并存储在向量数据库中。检索，根据语义相似性检索与问题最相关的前k个块。生成，将原始问题和检索到的块一起输入到大型语言模型（GLM4Flash）中，生成最终答案。原生RAG问答流程（GLM4Flash）从RAG问答常见的三种问答类型为例：事实类总结类拒绝回答【案例说明】多问题事实类型Query:药明康德20222024年归母净利润预...GLM-4Flash时效性Lumina-T2X: 一款集成图像、视频、音频和3D生成的多模态扩散模型
近年来，随着扩散模型在生成任务中的广泛应用，它们已经成为了生成式人工智能领域的重要组成部分。从StableDiffusion到Sora，这些模型在生成真实图像和视频方面取得了显著成功，标志着从经典UNet架构向基于Transformer的扩散主干架构的转变。最新的进展是LuminaT2X系列模型，它通过基于流的大型扩散Transformer（FlagDiT），实现了图像、视频、音频和3D对象的生成。一、背景与挑战虽然诸如Sora和StableDiffusion这样的模型已经...Flag-DiT模型RoPE从目标分配到路径规划，哈工大团队提出智能仓库的多智能体深度学习解决方案
随着物流行业的快速发展，智能仓库技术应运而生，旨在提高仓储效率和灵活性。传统仓库依赖传送带等固定设备，虽然能够完成基本的物料搬运任务，但其灵活性差，难以适应不断变化的需求。智能仓库通过引入多智能体系统，利用自主移动的机器人来完成货物的搬运和分拣，大大提升了仓储操作的效率和灵活性。然而智能仓库面临的一个关键挑战是如何有效地进行目标分配和路径规划（TAPF），以确保多个机器人能够高效协同工作，避免路径...智能仓库深度学习机器人排序模型一定要尝试的特征交叉技巧，多场景验证有效
今天给大家介绍两篇经典的工作，这两篇工作都是针对推荐系统中排序模型的优化，方法有一些相似之处，都是利用门控网络对底层特征进行交叉。最关键的在于，这类方法已经在很多真实业务场景中被验证效果显著，非常值得还没有应用这类方法的同学进行尝试。1.MaskNet论文标题：MaskNet:IntroducingFeatureWiseMultiplicationtoCTRRankingModelsbyInstanceGuidedMask下载地址：https:arxiv.orgabs2102.07619MaskNet是2021年...排序模型特征交叉Cursor出彩的背后：“Prompt设计好比网页设计...”
今天，带大家从另一个角度认识Cursor。Cursor除了产品交互设计充分考虑开发者习惯，将AI有机的融入到开发过程外，作为一款大模型驱动的应用，其核心壁垒便是如何利用大模型实现其功能，这时候prompt工程水平高低就变成了壁垒。那么，Cursor的prompt是什么样的呢？这就引起了很多人的好奇心，有这么一段prompt，据说是Cursor的prompt。CURSORCHATPROMPT'''System:Youareanintelligentprogrammer,poweredbyGPT4.Youarehappytohelp...Prompt设计网页从工程师视角看 “Multi-Agent as a Service (MAaaS)”
原创 精华编者按：目前AIAgents在各行各业的应用前景广阔，越来越多的企业开始尝试部署AIAgents，然而如何在企业生产环境中有效部署和管理AIAgents，是工程师们面临的一大挑战。你是否曾面临这样的困惑：如何确保AIAgents在生产环境中稳定可靠地运行？如何应对突发的高并发请求？当AIAgents出现"幻觉"或系统崩溃时，又该如何快速恢复？本文提出了"MultiAgentasaService(MAaaS)"这一概念，认为可以借鉴云应用的最佳实践（bestpractices）...AI AgentsLLMsAI大发现！谷歌证明反学习，无法让大模型删除不良信息
谷歌DeepMind的研究人员发现，反学习（Unlearning）作为解决大模型输出不良信息的有效解决方案之一，在实际应用中效果并不是很好，会出现“UnUnlearning”的情况这是因为反学习的过程在移除模型中已有知识时，可能面临技术上的复杂性和局限性，导致无法彻底清除所有不良信息。此外，由于大模型的训练数据非常庞大且复杂，也可能会根据其他已知的信息重新构建出这部分被遗忘的内容。例如，即使大模型忘记了“炸弹”的定义，但如...谷歌模型突发！OpenAI展示草莓，很快发布“GPT-5”猎户座！
精华OpenAI不藏了，终于展示江湖流传已久的秘密项目“草莓”（Strawberry）和猎户座（Orion）。根据Theinformation消息，OpenAI已经向美国国家安全官员展示了草莓这个秘密项目，保证会在安全、合理的范围内来开发和使用。同时OpenAI会使用草莓生成的合成数据，来开发最新大模型猎户座。无独有偶，OpenAI首席执行官SamAltman曾在本月的7号发表了一篇推文“我喜欢花园里的夏天”并配上了一张草莓的图片，也从侧面暗示秘密项目草莓的存...AI模型Still-Moving效果惊艳！无需定制视频数据，DeepMind让文生定制视频变得简单！
文章链接：https:arxiv.orgpdf2407.08674github链接：https:stillmoving.github.io自定义文本生成图像（T2I）模型最近取得了巨大进展，尤其是在个性化、风格化和条件生成等领域。然而，将这些进展扩展到视频生成仍处于初期阶段，主要原因是缺乏定制视频数据。本文介绍了StillMoving，是一种无需定制视频数据即可自定义文本生成视频（T2V）模型的新颖通用框架。该框架适用于T2V模型的主要设计，其中视频模型是在文本生成图像（T2...AI视频生成像艺术家一样画画：通过构图、绘画和润色用扩散模型生成复杂场景
文章链接：https:arxiv.orgpdf2408.13858亮点直击定义与标准：本文提供了一个明确的实验性复杂场景定义，并引入了复杂性分解标准（CDC），以有效管理复杂提示。CxD框架：受艺术创作过程的启发，本文提出了一种无需训练的复杂扩散（CxD）框架，将复杂场景图像的生成分为三个阶段：构图、绘画和润色。验证与性能：大量实验表明，CxD能够生成高质量、一致且多样的复杂场景图像，即使在处理复杂提示时也表现出色。总结速览解决的问...场景生成模型使用Hugging Face Transformer检测文本中的情绪
原创本文介绍了如何利用HuggingFace预训练语言模型对推文隐藏的情绪进行分类。HuggingFace上有各种基于Transformer的语言模型，专门用于处理语言理解和语言生成任务，包括但不限于：文本分类命名实体识别(NER)文本生成问题回答摘要翻译文本分类任务的一个特殊又很常见的案例是情绪分析，其目的是识别给定文本的情绪。“最简单”的一类情绪分析语言模型经过训练后，确定输入文本(比如客户对产品的评价)是积极的还是消极的，或者是积...Python预训练模型TransformerLabel Studio 数据标注工具详解
原创LabelStudio是一个开源的数据标注工具，由HumanSignal（原Heartex）推出，主要用于机器学习和数据科学领域，帮助用户对各种类型的数据进行标注和注释，以生成高质量的训练数据。它支持文本、图像、音频、视频等多种数据类型的标注，适用于自然语言处理、图像识别、语音识别等多种应用场景。LabelStudio的特点在于其灵活性、易用性和强大的功能特性，使其成为研究人员和开发者的首选工具。一、功能特性LabelStudio的主要功能包括...机器学习大模型ReAct框架——打造AI Agent的代码实现——基于LLM + Function Call构建Agent
原创“Agent通过大模型的推理和规划，使得大模型真正实现类似人类的能力”AIAgent也就是AI智能体，是通过把大模型作为“大脑”，通过利用大模型的推理和规划能力，然后调用外部工具来完成复杂任务的一种方式。简单来说，Agent就是一种让大模型自己思考和分析问题，选择合适的工具，最终解决问题的一种方法，其背后原理就来自于ReAct。ReAct是ReasoningAndActing的缩写，意思是LLM可以根据逻辑推理(Reson)，构建完整系列行动(Act)，...Agent大模型Jamba-1.5：大规模混合Transformer-Mamba模型
一、结论写在前面论文标题：Jamba1.5:HybridTransformerMambaModelsatScale论文链接：https:arxiv.orgpdf2408.12570模型：https:huggingface.coai21labs论文介绍了Jamba1.5，基于Jamba架构的新型指令调优大型语言模型。Jamba是一种混合TransformerMamba专家混合架构，能够在不同上下文长度下提供高吞吐量和低内存使用，同时保持与Transformer模型相同或更好的质量。论文发布了两种模型尺寸：Jamba1.5Large，具有940亿活跃参数，...TransformerMamba模型LLM 剪枝+蒸馏：NVIDIA 的最佳实践
精华一、背景模型剪枝、蒸馏是传统AI模型压缩常用的方案，尤其是模型要用于端侧部署的场景，相比模型量化，模型剪枝和蒸馏的代价比较高，而且往往在指标上也没有特别明显的优势，因此真正落地的场景要少得多。当然，也传言有些模型会蒸馏OpenAI的ChatGPT，不过主要是用其生成高质量数据。本文中，我们介绍NVIDIA最近发布的LLM剪枝和蒸馏的最佳实践。对应的论文为：[2408.11796]LLMPruningandDistillationinPractice:TheMinitronAppr...LLMNVIDIA剪枝RAGLAB：又来一个RAG框架，还是模块化的
1.背景检索增强生成（RAG）借助外部知识来缓解幻觉问题，保障实时知识更新。然而，大家在研究RAG算法时面临两大主要问题：•一方面，许多已发表的成果要么并非开源，要么难以搭建环境，大家不得不耗费大量时间从零开始研发新算法。•另一方面，新的RAG算法纷纷涌现，比如ITERRETGEN、RRR、SelfAsk、ActiveRAG、SelfRAG等等。然而，这些RAG算法在基本组件和评估方法上并不统一，导致大家难以准确评估改进效果。虽然现在也有很多...RAGLABRAG框架综述 | 大模型的可控文本生成
大家好，我是刘聪NLP。大模型已经展现出了较强的文本生成能力，但随着使用场景变得越加复杂和严格，除了避免生成误导或不当言论内容外，往往还希望可以满足用户的特殊需求。而可控文本生成就是为了在保持文本生成有用性、流畅性和多样性的同时，保证文本符合预定的控制条件，例如安全性、主题一致性、语言风格等。今天给大家带来一篇综述，介绍大模型可控文本生成（ControllableTextGeneration,CTG）的相关技术。Paper:https:ar...大模型• LLMN-GramJamba前生今世：1.5开源来袭
AI21服务于企业，为企业构建基础模型和AI系统以加速GenAI在生产中的使用。AI21成立于2017年，已从NVIDIA、Intel、Google等公司共筹集了3.36亿美元。它是最早将生成式AI推向大众的公司之一，借助AI21平台，企业可以构建自己的生成式AI的应用程序和服务。Jamba算是世界上第一款基于Mamba的生产级别的模型。近日AI21Labs发布Jamba1.5系列开放模型，包括Jamba1.5Mini和Jamba1.5Large，这些模型建立在新颖的SSMTransformer架构之上，...Jamba开源模型解密GCN，手把手教你用PyTorch实现图卷积网络
图神经网络（GNNs，GraphNeuralNetworks）是一类专为图结构数据设计的强大神经网络，擅长捕捉数据之间的复杂联系和关系。相较于传统神经网络，GNN在处理相互关联的数据点时更具优势，比如在社交网络分析、分子结构建模或交通系统优化等领域，GNN能够发挥出卓越的性能。1GNN概述图神经网络是近年来新兴的一类深度学习模型，擅长处理图形数据。传统神经网络处理的是像数字列表这样的简单数据，而图神经网络能处理更复杂的图形数据...GCNPyTorch网络长上下文 还是 RAG？ Google:我全都要！
嘿，大家好！这里是一个专注于AI智能体的频道！最近，深度学习和人工智能领域的大牛们在arXiv上发表了一篇有趣的研究，标题挺长的：《检索增强生成或长上下文大型语言模型？全面研究和混合方法》。今天分享一篇由GoogleDeepMind和密歇根大学的研究人员发布的一个长上下文和RAG混合的方法。RetrievalAugmentedGenerationorLongContextLLMsAComprehensiveStudyandHybridApproach检索增强生成（RAG）一直是大型语言模型（LLMs）高...RAGGoogle智能体
