-
Datawhale X 魔搭 AI夏令营第四期-AIGC文生图方向Task2笔记
Datawhale X 魔搭 AI夏令营第四期-AIGC文生图方向-Task2：精读代码，实战进阶 Task2任务目标 AI工具使用 AI工具介绍 ChatGPT 功能与用途 优点 缺点 总结 KIMI 通义千问 主要功能与用途： 优点：...
-
llama3.cuda: 纯C/CUDA实现的Llama 3模型使用教程
llama3.cuda: 纯C/CUDA实现的Llama 3模型使用教程 llama3.cudallama3.cuda is a pure C/CUDA implementation for Llama 3 model.项目地址:https://git...
-
LLaMA-Factory使用指南：快速训练专属大模型，打造定制化AI解决方案！
本文聊聊 LLama-Factory，它是一个开源框架，这里头可以找到一系列预制的组件和模板，让你不用从零开始，就能训练出自己的语言模型（微调）。不管是聊天机器人，还是文章生成器，甚至是问答系统，都能搞定。而且，LLama-Factory 还支持多种框架和...
-
使用LLaMA-Factory快速训练自己的专用大模型
本文聊聊 LLama-Factory，它是一个开源框架，这里头可以找到一系列预制的组件和模板，让你不用从零开始，就能训练出自己的语言模型（微调）。不管是聊天机器人，还是文章生成器，甚至是问答系统，都能搞定。而且，LLama-Factory 还支持多种框架和...
-
大模型三种模式Embedding、copilot、Agent
大模型的三种应用模式——Embedding、Copilot、Agent——代表了不同级别的智能化和自动化程度，以及与人类用户的交互方式。下面是每种模式的具体解释： 嵌入模式（Embedding Mode） 定义：在嵌入模式中，大模型被集成到现有的应用程序...
-
第十届Sky Hackathon参赛作品——rag在工业上的运用
一、赛事简介 NVIDIA Sky Hackathon是由NVIDIA主办的一场全球性技术盛会，旨在推动深度学习技术的创新和应用。本届比赛以“基于RAG技术创新构建智能对话机器人”为核心议题，鼓励参赛者运用RAG（Retrieval-Augmented...
-
心理健康问答系统-AIGC大模型-小程序制作
制作一个心理健康问答系统的小程序，涉及到多个环节和技术领域。这里将从需求分析、技术选型、开发流程、API调用等方面进行详细说明。 一、需求分析与规划 在开始任何项目之前，首先需要明确的是你的小程序想要解决什么样的问题，提供哪些功能给用户。对于心理健康...
-
RAG 的优化进阶与引入 Reranker
引言 在简单的 RAG 系统中，通过结合检索和生成技术，已经可以显著提升了对复杂查询的响应质量。Reranker 作为 RAG 系统中一个关键的进阶组件，通过对原 RAG 中检索到的内容进行重新组织，可以进一步提高系统的准确性。 本文将深入探讨 RA...
-
记录Linux上安装LLaMA Factory v0.8.3 增量预训练/监督微调
序：SFT 和 PT 的区分 sft（Supervised Fine-Tuning，监督微调） 定义：sft是一种基于监督学习的微调方法，它使用标记好的数据（即带有输入、指令和期望输出的数据集）来进一步训练已经预训练好的模型。这种方法允许模型...
-
Llama-2-Open-Source-LLM-CPU-Inference 使用教程
Llama-2-Open-Source-LLM-CPU-Inference 使用教程 Llama-2-Open-Source-LLM-CPU-InferenceRunning Llama 2 and other Open-Source LLMs on...
-
在 RAGFlow 中实践 GraphRAG
RAGFlow 0.9 版本发布，正式引入了对 GraphRAG 的支持。GraphRAG 由微软近期开源【参考文献1】，被称作下一代 RAG，并且在更早时间发表了相关论文【参考文献2】。关于下一代 RAG，在 RAGFlow 体系的定义更加完整，就是如下...
-
Ollama+AnythingLLM 搭建本地知识库
一、搭建本地知识库业务背景 数据自主可控 将关键知识和信息存储在本地服务器上，意味着企业或组织能够完全控制数据的访问权限、存储方式以及备份策略。这避免了将数据托管在第三方云服务上可能带来的数据泄露风险，因为云服务...
-
【RAG检索增强生成】MaxKB：构建企业级知识库问答系统（Ollama+Qwen2）
目录 引言 1、MaxKB概述 1.1 定义与目标 1.2 特点与优势 2、MaxKB原理 3、MaxKB架构 4、基于MaxKB+Ollama+Qwen2搭建本地知识库 4.1 环境准备 4.2 部署MaxKB 4.3 部署Ollama...
-
Maxkb——无需代码，快速构建自己的AI助手
目录 1、maxkb的介绍 2、maxkb的安装步骤 2.1、硬件需求 2.2、搭建Docker环境 2.3、安装maxkb（使用命令形式） 2.4、使用1Panel安装 2.5、访问MaxKB 3、创建AI应用 4、内嵌项目 随...
-
开源项目Llama.cpp指南
开源项目Llama.cpp指南 llama.cppPort of Facebook's LLaMA model in C/C++项目地址:https://gitcode.com/gh_mirrors/ll/llama.cpp 1. 项目介绍 Ll...
-
文心一言大模型
文心一言是百度基于其强大的“文心”大模型技术推出的生成式AI产品（英文名：ERNIE Bot）。以下是关于文心一言的详细介绍： 一、产品定位与功能 定位：文心一言被定位为人工智能基座型的赋能平台，旨在助力金融、能源、媒体、政务等千行百业的智能化变革，最...
-
快速上手文心一言指令：从零开始的详细指南
快速上手文心一言指令：从零开始的详细指南 一、引言 随着人工智能技术的不断进步，自然语言处理（NLP）已成为现代计算机科学和人工智能领域中的一个重要研究方向。它不仅在学术界取得了显著成果，更在实际应用中展现出巨大的价值，如智能客服、文本生成、情感分...
-
AIGC从入门到实战：关于企业和组织
作者：禅与计算机程序设计艺术 Artificial Intelligence (人工智能 G: Generation (生成 C: Content (内容 背景介绍 随着全球数字化转型的加速，企业与组织面临着前所未有的机遇与挑战。人工智能(A...
-
【人工智能】一文看懂 LLaMA 2：原理、模型与训练
LLaMA 2（Large Language Model for AI Modeling and Assistance）是近年来广受关注的大规模语言模型之一。它被广泛应用于自然语言处理（NLP）任务，如文本生成、机器翻译和问答系统。本文将深入介绍LLaMA...
-
大模型咨询培训老师叶梓：利用知识图谱和Llama-Index增强大模型应用
大模型（LLMs）在自然语言处理领域取得了显著成就，但它们有时会产生不准确或不一致的信息，这种现象被称为“幻觉”。为了提高LLMs的准确性和可靠性，可以借助外部知识源，如知识图谱。那么我们如何通过Llama-Index实现知识图谱与LLMs的有效交互，从而...
-
LLaMA-Cult-and-More：深度学习的新里程碑
LLaMA-Cult-and-More：深度学习的新里程碑 在人工智能领域，尤其是自然语言处理（NLP）中，模型的规模和能力不断提升，推动了行业的飞速进步。今天我们要介绍的是一个名为LLaMA的开源项目，它由shm007g开发并维护，旨在提供高效的、大规...
-
大模型的实践应用24-LLaMA-Factory微调通义千问qwen1.5-1.8B模型的实例
大家好，我是微学AI，今天给大家介绍一下大模型的实践应用24-LLaMA-Factory微调通义千问qwen1.5-1.8B模型的实例, LLaMA-Factory是一个专门用于大语言模型微调的框架，它支持多种微调方法，如LoRA、QLoRA等，并提供了丰...
-
AIGC工具全面解析: 优缺点一目了然
目录 AIGC工具全面解析: 优缺点一目了然 优点 1. 准确性高 2. 多领域支持 3. 自动学习和迭代 缺点 1. 可能存在较高的错误率 2. 受限于训练数据 3. 缺乏主动性和创造力 结论 AIGC工具全面解析: 优缺点一...
-
【AI原理解析】— 文心一言模型
目录 模型架构 Transformer模型 编码器-解码器结构 训练过程 预训练 微调 关键技术 知识增强 上下文感知 个性化生成 推理与生成 应用场景 问答系统 文本生成 对话系统 模型架构 Trans...
-
最新AIGC工具使用教程（多模态模型识图理解、AI绘画、文档分析）
ChatGPT3.5、GPT4.0、GPTs、AI绘画相信对大家应该不感到陌生吧？简单来说，GPT-4技术比之前的GPT-3.5相对来说更加智能，会根据用户的要求生成多种内容甚至也可以和用户进行创作交流。 然而，GPT-4对普通用户来说都是需要额外付费才可...
-
AIGC从入门到实战：AIGC 在金融行业的创新场景—银行零售新范式
1. 背景介绍 随着人工智能技术的不断发展，越来越多的企业开始将其应用于业务中，金融行业也不例外。在金融行业中，银行零售业务是一个非常重要的领域，它涉及到银行的日常运营和客户服务。传统的银行零售业务主要依靠人工处理，但是这种方式效率低下、成本高昂、容易出...
-
文心一言vsGPT-4全面对比
文心一言和GPT-4都是当前非常先进的人工智能语言模型，它们各自具有独特的特点和优势。以下是对这两款工具的全面比较： 文心一言是由百度开发的一款大型人工智能语言模型，它基于强大的深度学习技术和海量的数据资源，具备出色的语言理解和生成能力。文心一言在中文处...
-
“360问答爬虫”技术探秘
在当今数字化时代，随着互联网的普及和信息的爆炸式增长，如何从海量数据中高效获取所需信息成为了一个重要课题。而“爬虫”技术，作为一种自动化、智能化的信息抓取工具，正日益受到各界关注和运用。在众多爬虫技术中，“360问答爬虫”以其独特的魅力和应用价值，成为了众...
-
离大模型落地应用最近的工程化技术(RAG)
虽然大规模语言模型（LLM）在自然语言处理（NLP）方面表现出了其强大的文本生成和理解能力，但是它们在实际应用中仍然面临一些挑战，如处理大规模知识库和实时获取最新信息的能力，并且会产生幻觉。为了解决这些问题，检索增强生成（Retrieval-Augmen...
-
采集问答：探索知识收集与智能互动的新境界
在当今信息爆炸的时代，知识的采集与整理显得尤为重要。随着互联网技术的飞速发展，人们对于获取各种信息和解答疑问的需求也日益增长。而“采集问答”作为一种新兴的知识收集与智能互动方式，正逐渐走进大众视野，成为连接人与知识的重要桥梁。一、什么是“采集问答”“采集问...
-
使用LM Studio与Anything LLM基于Llama-3高效构建本地知识库系统
本文详细介绍了如何使用LM Studio和Anything LLM工具来构建和部署本地知识库。文中首先解释了安装和配置大模型的步骤，随后展示了如何将模型部署为后台服务，并通过API进行调用。此外，文章还涉及了如何使用这些工具快速构建知识库应用，包括知识库的...
-
开源问答系统爬虫：技术探索与应用前景
随着互联网信息的爆炸式增长，如何高效获取所需知识成为一个重要课题。开源问答系统爬虫，作为新一代信息检索技术，凭借其强大的数据抓取与处理能力，在知识获取领域发挥着越来越重要的作用。本文将对开源问答系统爬虫进行深入探讨，分析其技术原理、应用场景以及未来发展趋势...
-
深入剖析“modstartblog爬虫”：技术原理、应用与风险防范
在当今信息爆炸的时代，数据获取和分析已经成为众多领域不可或缺的环节。而网络爬虫，作为自动化获取网络数据的一种重要工具，越来越受到人们的关注。本文以“modstartblog爬虫”为例，深入探讨爬虫的技术原理、应用场景以及潜在的风险防范问题。一、modsta...
-
华为开发者大会定档 将发布盘古大模型5.0
华为开发者大会定于6月21日至23日在东莞松山湖盛大举行，届时将见证盘古大模型5.0与HarmonyOS NEXT鸿蒙星河版的首次同台展示。 盘古大模型系列，作为华为精心打造的一系列预训练大模型，涵盖了自然语言处理（NLP）、计算机视觉(CV 以及科学计算...
-
InternLM2官网体验入口 中文AI聊天机器人模型使用地址
InternLM2是一个面向中文和英文的大型多语言预训练语言模型。它具有语言理解、自然语言生成、多模式推理、代码理解等强大的能力。模型采用Transformer架构并进行海量数据的预训练，在长文本理解、对话、数学运算等多个方向上都达到了业界领先水平。该系列...
-
得物 AIGC 算法岗(日常实习生) 面经分享
节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、参加社招和校招面试的同学，针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。 最大的感受就是，今年的算法面试...
-
谷歌DeepMind发布Gecko：专攻检索，与大7倍模型相抗衡
想了解更多AIGC的内容，请访问： 51CTO AI.x社区 https://www.51cto.com/aigc/ 文本嵌入模型在自然语言处理中扮演着重要角色，为各种文本相关任务提供了强大的语义表示和计算能力。 在语义表示上，文本嵌入模型将文本转换为高...
-
2024全新英特尔商用客户端AIPC产品发布会——开启AIGC的新阶段
#酷睿Ultra #AIPC #英特尔 2024年3月26日，英特尔AI PC产品发布会在北京凤凰中心成功举办，很荣幸作为受邀博主参与此次发布会。总的来说，一波新的换机热潮要开始了。 也许大家曾将Stable Di...
-
vivo Pad3 Pro正式登场 跑分离谱还有蓝心大模型
中关村在线消息：vivo旗舰新品发布会正在进行中，本场发布会第一个登场的产品是vivo Pad3 Pro。新款产品上来就放出王炸，搭载天玑9300处理器，跑分超过210万，也是行业首个突破200万的平板电脑。在游戏测试中，在90帧 HDR高清画质下，帧率稳...
-
大数据 AI 一体化解读
一、AI 的“iPhone”时刻 在过去的一年中，大模型的发展非常迅速，算力和数据的堆叠使模型具备了一些通用的构造和回答问题的能力，引领人们进入了一直梦想的人工智能阶段。举个例子，在与大语言模型聊天时，会感觉面对的不是一个生硬的机器人，而是一个有血有肉的...
-
社交化问答系统采集插件的应用与前景
随着信息技术的迅猛发展和互联网的普及，人们获取信息、交流知识和分享经验的途径越来越多样化。社交化问答系统作为其中一种重要的知识分享与交流平台，正受到越来越多用户的青睐。而在这类系统中，采集插件的作用不可忽视，它们是实现信息高效采集、整理与呈现的关键。本文将...
-
开源问答系统采集插件：功能、应用与未来发展
随着信息技术的迅猛发展，互联网已经成为人们获取信息、解决问题的重要渠道。问答系统作为一种智能信息检索工具，能够自动回答用户提出的问题，受到了广泛关注。在问答系统的构建过程中，数据采集是一个关键环节。开源问答系统采集插件的出现，为问答系统的数据采集提供了便捷...
-
RAG和AGI以及AIGC，你知道多少？
RAG（Retrieval-Augmented Generation）： RAG是一种模型架构，结合了检索（retrieval）和生成（generation）的方法。它使用检索模块从大规模的知识库中检索相关信息，然后使用生成模块生成响应或回答。这种结合...
-
基于DiscuzX 32与火车头采集器的内容管理与数据采集方案
随着互联网的快速发展，内容管理和数据采集已成为许多网站和企业的核心需求。DiscuzX 32作为一款成熟的社区论坛软件，提供了强大的内容管理功能；而火车头采集器则以其高效的数据采集能力而著称。本文将深入探讨如何结合DiscuzX 32和火车头采集器，实现内...
-
基于Discuz360问答自动采集的实现与应用探讨
随着互联网技术的迅猛发展，网络问答社区成为了知识分享和信息交流的重要平台。其中，Discuz作为一款广受欢迎的社区论坛软件，在多个领域都有着广泛的应用。而“Discuz360问答”则是基于Discuz系统开发的一款知识问答插件，它能够帮助网站快速搭建一个功...
-
《基于Discuz平台的360问答数据采集与应用探讨》
随着互联网的迅猛发展，信息交流和知识分享变得日益频繁。问答社区作为知识分享的重要平台，汇聚了大量的用户生成内容。其中，360问答凭借其广泛的用户基础和丰富的内容资源，成为了众多知识寻求者的首选。而Discuz作为一款成熟的社区论坛软件，其强大的扩展性和灵活...
-
VideoPrism官网体验入口 AI视频理解编码器使用介绍
VideoPrism是一个通用的视频编码模型，可在各种视频理解任务上取得领先的性能，包括分类、定位、检索、字幕生成和问答等。其创新点在于预训练的数据集非常大且多样，包含 3600 万高质量的视频-文本对，以及5. 82 亿带有嘈杂文本的视频剪辑。预训练采用...
-
出门问问开放大模型“序列猴子”开源数据集
出门问问宣布，将向公众开放其超大规模语言模型“序列猴子”的部分训练数据集，命名为“序列猴子开源数据集1.0”。 序列猴子，作为出门问问的核心技术之一，具备强大的通用表示与推理能力，已在问答系统、自然语言处理、机器翻译、文本摘要等多个领域展现出其卓越的性能，...
-
Google Gemma开放模型官网体验入口 谷歌AI开源语言免费下载地址
Gemma是Google推出的一系列开源的轻量级语言模型系列。它结合了全面的安全措施，在尺寸上实现了优异的性能，甚至超过了一些较大的开放模型。可以无缝兼容各种框架。提供快速入门指南、基准测试、模型获取等，帮助开发者负责任地开发AI应用。 点击前往Gemm...
-
创作活动（九十三）———ChatGPT 和文心一言哪个更好用？
#ChatGPT 和文心一言哪个更好用？# 根据提供的搜索结果，ChatGPT和文心一言各有特点和优势，选择哪一个更好用取决于具体的应用场景和个人需求。以下是两者的对比： ChatGPT： 适用场景：适合需要生成大量知识性文本的任务，如问答系统、知识图...