AI.x社区

在当今数字化转型的时代，大型语言模型（LLMs）已经成为了不可或缺的工具，它们在自然语言理解、生成和推理方面展现了非凡的能力。然而，这些模型普遍采用的是“一刀切”的方式，即对于相同的输入给予所有用户相似的响应。这种方式虽然能够满足大多数情况下的需求，但在需要根据个人偏好定制内容的情境下就显得力不从心了。为了解决这个问题，来自中国人民大学高瓴人工智能学院与百度公司的研究团队提出了一种名为PPlug的新颖个...

1.引言语言模型的发展使得用户期望能通过自然语言对数据进行查询，从而引发了Text2SQL和RAG等方法的大量研究。但在实际应用中，用户的问题往往超出这些方法的能力范围。例如，企业用户的问题常涉及领域知识、世界知识、精确计算和语义推理的复杂组合。数据库虽能提供领域知识和大规模精确计算能力，但在语义推理方面较弱；而语言模型虽擅长语义推理和利用世界知识，却在精确计算和大规模数据处理效率上存在不足。像Text2SQL方法...

在人工智能的持续演进中，多模态大语言模型（MLLMs）已成为核心研究领域之一，其在整合语言和视觉信息方面的潜力备受关注。李飞飞、谢赛宁团队的最新研究成果犹如一颗璀璨的新星，照亮了MLLM在空间智能领域的探索之路，引发了学界和业界的广泛关注。本文将深入剖析该团队的研究，详细阐述MLLM在空间智能方面的突破与挑战，一同探索MLLMs在视觉空间智能方面的进展与难题。1.引言视觉空间智能在人类的日常生活中，视觉空间智能起...

一、引言在当今数字化时代，数据库的应用极为广泛，但传统的数据库查询语言（如SQL）对于非技术人员来说学习成本较高。自然语言接口到数据库（NLIDB）技术的出现，旨在让普通用户也能轻松访问数据库。过去几十年间，研究人员探索了多种方法，其中利用神经序列到序列（Seq2seq）模型或大规模语言模型（LLMs）的方法较为常见，它们通常采用自回归解码方式逐一生成SQL查询。尽管这些方法在翻译准确性上取得了一定进展，如在NLIDB基...

一、背景1.人工智能与神经科学的融合在当今科技飞速发展的时代，人工智能与神经科学的交叉领域正成为科研的热点方向。大语言模型（LLMs）作为人工智能领域的重要成果，其与人类大脑语言处理机制的关系备受关注。从本质上讲，这一研究方向旨在探寻机器如何像人类大脑一样理解和处理语言，这不仅有助于提升人工智能技术的性能，更有助于揭示人类认知的奥秘。过往研究已发现LLMs与大脑在某些方面存在相似之处，如特征提取和表征等...

一、背景1.1研究背景在当今数字化时代，金融领域的数据量呈爆炸式增长，对数据的高效分析和利用成为金融机构获取竞争优势的关键。传统的数据库操作依赖于专业的SQL编程技能，然而，金融专业人士虽精通金融业务，但在SQL编程方面往往技能有限。这一矛盾促使了TexttoSQL技术的兴起，其旨在将自然语言问题转化为可执行的SQL查询，为金融分析提供了便捷的数据访问途径，无需编写复杂的SQL代码即可获取所需信息，大大提高了工作效率...

1.引言1.1RAG的局限与迭代检索的提出在知识密集型任务中，大语言模型（LLMs）的检索增强生成（RAG）虽应用广泛，能提升输出质量、减少幻觉，但仍存缺陷。比如，检索内容常含噪声，这会致使RAG系统性能下滑。复杂查询时，单次检索难以获取充足知识，进而阻碍RAG系统的广泛应用。为攻克这些难题，迭代检索应运而生，其持续更新检索结果，以契合生成进程里动态变化的信息需求。可现有的迭代检索方法多依赖少样本提示或手动构建规则...

1.研究背景1.1背景随着GPT4等大语言模型在数据管理领域的广泛应用，如文本到SQL的生成和信息提取任务，向模型准确描述关系数据库的schema成为解决问题的关键步骤。但由于LLM提供商通常按输入（和输出）文本的令牌数量收费，数据库schema描述的长度直接关系到成本。例如，在文本到SQL的生成场景中，较长的schema描述会增加输入令牌数量，进而提高每次转换的成本。常见的描述schema的方法如使用DDL命令，虽能准确表达模式，但往往...