- 博客(790)
- 收藏
- 关注
原创 如何入门AI产品经理?
国家已将人工智能作为战略提示出来,在这样的背景下,AI产品经理的缺口巨大,市场上又懂人工智能又懂产品的人才是非常稀缺的。不少同学也开始考虑转型AI产品经理,需要具备什么能力才能成功转型呢?希望同学通过这篇文章对AI有全局的了解。
2024-05-23 10:01:41 747
原创 AI商业产品经理:我眼中的AI简史
明镜所以照形,古事所以知今。无论做哪个行业属于哪个领域,我们回顾历史,总是可以发现一些规律,一些似曾相识。回顾历史,我们可以总结历史经验、把握历史规律,增强开拓前进的勇气和力量。
2024-05-23 09:56:36 542
原创 面向 AI 的 DevOps:准备好扩展您的 AI 了吗?
怎样才能带来强大的改变?速度+质量+规模+灵活性。正如 DevOps 将其带入软件开发一样,您可以使用 DevOps 为您的 AI 模型交付提供动力。
2024-05-22 09:28:41 677
原创 一键式 RLHF 训练 DeepSpeed Chat(一):理论篇
ChatGPT模型的训练是基于InstructGPT论文中的RLHF方式。这与常见的大语言模型的预训练和微调截然不同。这使得现有深度学习系统在训练类ChatGPT模型时存在种种局限。
2024-05-22 09:24:47 749
原创 AI 时代,产品经理该如何进化
当 AI 和大模型带来的自然语言交互 LUI 成为主流,产品经理还有存在的价值吗?这大概是当下所有产品经理,心中最大的疑问和恐惧。
2024-05-21 11:58:25 239
原创 产品经理应该如何学习AI?
把一个领域的知识进行提前训练,成为特定领域里的超级专家;提供了一种新的模型训练和下游任务之间的微调关系,通过prompt turning(大模型微调)的方式更灵活的处理下游任务。
2024-05-21 11:56:51 386
原创 浅谈AI产品经理的能力矩阵
今天想讲的内容是《浅谈AI产品经理的能力矩阵》,与其说是AI产品的能力标准,不如说,这是我自己学习、择业、确定项目方向时的一个重要参考指南,同时也在基于这个能力矩阵去完善能力圈层。
2024-05-21 11:54:49 225
原创 AI产品经理如何做好数据准备工作
在所有产品类型中,AI产品是市场上较为吃香的。在AI产品领域,数据的准备工作是开始正式工作之前同样重要的一部分。那么,该如何做好数据准备工作呢?
2024-05-20 10:35:02 581
原创 【产品经理为何要学大模型】第二篇-AI产品经理技能(一)
根据专栏第一篇“初识AI产品经理”中对于AI产品经理技能的描述模型:PM + AI + X,接下来将分三篇分别介绍AI产品经理需要具备的3类技能:PM、AI和X(其他)。本篇总结产品经理的通用技能。
2024-05-18 10:31:37 602
原创 【产品经理为何要学大模型】第一篇-初识AI产品经理
AI产品经理,是直接应用或间接使用AI技术,完成相关AI产品的设计、研发、推广等产品生命周期管理工作的产品经理
2024-05-18 10:29:09 834
原创 快速搭建自己的RAG应用(三)
前面的章节,我们已经完成了可用的基于知识库回答的ai助手,尽管RAG容易上手,但是要真正掌握其精髓却颇有难度,实际上,建立一个的有效的RAG系统不仅仅是将文档放入向量数据库并叠加一个llm模型那么简单,这种方式知识时而有效而已。
2024-05-16 15:00:51 349
原创 快速搭建自己的RAG应用(二)
大型语言模型(LLM)的文本推理能力,宛如一位博学的公民,其智慧之源来自于互联网上公开的文献宝库。想象一下,这位名为LLM的公民,如同一位勤奋的学者,借阅了图书馆中所有的书籍,并将这些知识深深地烙印在自己的记忆之中。
2024-05-16 14:59:59 291
原创 快速搭建自己的RAG应用(一)
随着信息量的爆炸式增长,个人知识库的构建和管理变得愈发重要。除开开源的模型,还有像OpenAI,千问等产品提供的API,如同一座桥梁,降低了使用难度,连接了您的数据宝库与先进的自然语言处理能力。通过这些接口,您可以轻松实现文本的生成、理解、翻译和摘要,甚至是复杂问题的解答和智能对话的构建。
2024-05-16 14:58:43 349
原创 RAG 06:生成结果的相关性低? 快用 Query Rewriting 优化技术
在检索增强生成(Retrieval Augmented Generation,RAG)系统中,经常会出现与 user’s original queries(译者注:用户最开始输入的搜索问题或者其他需求。)有关的问题(例如,词汇不准确或缺乏语义信息),导致 RAG 系统难以理解。
2024-05-14 10:00:00 533
原创 RAG 05:探讨基于文本内在语义信息的数据分块方法
文档解析完成后,就能够获得一些结构化或半结构化数据。目前的主要任务是将这些数据分解成更小的 chunks (译者注:用于描述数据或信息被分成小块或片段的术语)再提取特征(features),然后将从数据中提取的特征(features)转换成一种能够捕捉到其语义的形式。
2024-05-14 09:15:00 824
原创 RAG 04:重排序(Re-ranking)技术探讨
重排序(Re-ranking)技术在检索增强生成(Retrieval Augmented Generation,RAG)全流程中起着至关重要的作用。在最原始的 RAG 方法中,可能会检索到大量的上下文,但并非所有上下文都与问题相关。
2024-05-14 07:15:00 913
原创 RAG 03:运用 RAGAs 与 LlamaIndex 评估 RAG 应用
如果你已经为某个真实业务系统开发了检索增强生成(RAG)应用程序,可能会想了解该 RAG 应用的效果如何。换句话说,您可能想评估该 RAG App 的性能。
2024-05-13 10:19:24 825
原创 RAG 02:揭开 PDF 文档解析的神秘面纱
对于 RAG 系统而言,从文档中提取信息是一种不可避免的情况。确保能够从源文件中有效地提取内容,对于提高最终输出的质量至关重要。
2024-05-13 10:18:24 890
原创 RAG 01:讨论未经优化的 RAG 系统存在的问题与挑战
检索增强生成(Retrieval Augmented Generation,RAG)是通过整合来自外部知识源的额外信息来改进大语言模型(Large Language Models,LLMs)应用能力的一种技术。这种技术能够帮助 LLMs 产生更精确和更能感知上下文的回复,同时也能减轻幻觉现象。
2024-05-13 10:17:24 702
原创 LLM推理入门指南③:剖析模型性能
本文将转变方向,探索可能影响机器学习模型速度的不同性能瓶颈。本文所详细介绍的概念广泛适用于任何ML模型,无论是用于训练还是推理,不过提供的示例主要聚焦于LLM推理设置。
2024-05-11 15:45:55 697
原创 LLM推理入门指南①:文本生成的初始化与解码阶段
本文回顾了Transformer架构以及使用基于Transformer的解码器进行文本生成的基础知识。更重要的是,我将构建起整个LLM推理系列中要使用的词汇表,并使用粗体标记出个人认为重要的术语。读者将主要了解文本生成的两个阶段:初始化阶段和生成(或解码)阶段。
2024-05-11 15:42:14 520
原创 人工智能浪潮来袭,大模型到底能有多“大”?
这一轮人工智能浪潮,就是在原来深度学习的基础上,把神经网络做大,当参数规模做到700亿以上时,出现了智能涌现的现象。
2024-05-10 10:25:32 997
原创 Github 高达50k star!吴恩达+OpenAi共同编写<面向开发者的LLM入门教程> PDF!
今天给大家推荐一本由吴恩达和OpenAI团队共同编写的关于大型语言模型(LLM)的权威教程!,在Github上已经高达50k star了,这含金量不用多说,在这里给大家强烈推荐一波,不多bb直接开始介绍!
2024-05-10 10:16:00 865
原创 用智谱 GLM-4大模型开发自己的 IDEA插件
在大模型席卷世界的时代,不搞一搞大模型开发,作为一名程序员总觉得缺点什么,搞点啥呢,就从搞一个自己的 IDEA 插件开始吧,就拿智谱清言GLM-4来说,在国内大模型中表现较为突出,具有较为均衡和全面的性能,在语言和知识等基础能力维度上可比肩GPT-4 Turbo。
2024-05-09 13:42:43 618
原创 《深入浅出LLM基础篇》:大模型概念与发展
大规模语言模型(LargeLanguageModels,LLM),也称大规模语言模型或大型语言模型,是一种由包含数百亿以上参数的深度神经网络构建的语言模型,使用自监督学习方法通过大量无标注文本进行训练。
2024-05-09 13:39:21 750
原创 9个范例带你入门LangChain
前方干货预警:这可能是你心心念念想找的最好懂最具实操性的langchain教程。 本文通过演示9个具有代表性的应用范例,带你零基础入门langchain。
2024-05-09 11:39:48 848
原创 【大模型LLM书籍】LangChain入门指南:构建高可复用、可扩展的LLM应用程序
今天又来给大家推荐一本大模型方面的书籍这本书专门为那些对自然语言处理技术感兴趣的读者提供了系统的LLM应用开发指南。
2024-05-08 18:31:01 646
原创 大模型扫盲系列——初识大模型
近年来,随着计算机技术和大数据的快速发展,深度学习在各个领域取得了显著的成果。为了提高模型的性能,研究者们不断尝试增加模型的参数数量,从而诞生了大模型这一概念。本文将从大模型的原理、训练过程、prompt和相关应用介绍等方面进行分析,帮助读者初步了解大模型。
2024-05-07 16:47:36 313
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人