AI.x社区

我学习的时候总有个执念：这个背后的底层原理是什么？这个执念经常会让我在理解新的知识的时候，造成很大的障碍。如果我不能理解它的底层原理，我就很难去理解在它基础上构建的知识。GPT正属于这类型。我曾经看了不下于几十篇关于Tranformer的视频、教程，但是最后特别是对于Q、K、V非常迷惑。这篇文章完全解开了我之前的困惑。所以希望大家一定耐心看完。纽约的Transformer（由PhotoFunia创建）第一步定义数据集用于创建ChatGP...

时间的从1943年说起，沃伦·麦卡洛克（WarrenMcCulloch）和沃尔特·皮茨（WalterPitts）提出了人工神经元模型，也就是阙值逻辑单元（TLU），这是神经网络研究的基础。就是下面这两位大神，意外的发现尽管相差25岁，竟然同一年去世...而Pitts竟然是一位非常非常i的人，i到哪怕给钱都不愿意让别人知道名字的地步...而TLU长下面这样：1950年：图灵发表了《计算机器与智能》，提出了著名的“图灵测试”，即如果一台机器能在对话中让...

首先，我们可以配置几乎所有的大模型，而WPS却不可以，其次，这些几乎都是免费的。下面，我来给大家分享一下。这里我们用的是OpenAI，当然你可以用其他的大模型，不过需要修改以下对返回字符串的修改。你可以先下载文件，然后安装一下。您需要做的第一件事是使加载项文件受信任，以便Microsoft不会阻止它们运行。此安全警告并非特定于此加载项。这是您需要对从Internet下载的每个excel加载项执行的操作。请参阅以下步骤右键单击...

概述这篇文章深入探讨了Wang等人在2024年的研究，旨在为构建高效的检索增强生成（RAG）系统提供最佳实践建议。文章由TowardsAI的联合创始人兼CTOLouisFrancois撰写，分析了RAG系统的核心组件与策略。主要内容摘要查询分类：通过分类任务决定是否需要进行检索，确保系统只在必要时检索外部数据。数据分块：为数据选择合适的块大小至关重要，理想的块大小在256至512个token之间，有助于减少噪音和提高效率。元数据与混合搜索：元...

序幕随着对大型语言模型（LLMs）的兴趣激增，许多开发人员和组织正忙于构建应用程序，以利用他们的力量。但是，当预训练LLMs的开箱即用没有按预期或希望执行时，关于如何提高LLM应用程序性能的问题就来了。最终，我们到了问自己的地步：我们应该使用检索增强生成（RAG）还是模型微调来改善结果？在深入研究之前，让我们揭开这两种方法的神秘面纱：RAG：这种方法将检索（或搜索）的能力集成到文本生成中LLM。它结合了一个检索器...

最近，OpenAI的预训练模型ChatGPT给人工智能领域的研究人员留下了深刻的印象和启发。毫无疑问，它又强又聪明，且跟它说话很好玩，还会写代码。它在多个方面的能力远远超过了自然语言处理研究者们的预期。于是我们自然就有一个问题：ChatGPT是怎么变得这么强的？它的各种强大的能力到底从何而来？本篇文章试图剖析ChatGPT的突现能力（EmergentAbility），追溯这些能力的来源，希望能够给出一个全面的技术路线图，来说明GPT3.5模...

先给大家看看最终效果：商人罗伯特·洛卡西奥，开了个名叫EqualAI的非营利组织，专门应对人工智能开发中那些看不见、摸不着的无意识偏见。这名字听起来倒是光鲜，然而，他却在《FastCompany》上发了一篇文章，讲的是什么“提示工程”的局限。事情的由头不过是一个普普通通的提示语：“写篇750字的文章，说说人工智能怎么成了品牌的‘数字门面’，要写得像《FastCompany》的文章那样。”（洛卡西奥，2023年）。果然，ChatGPT这类...