bry_zczh-CSDN博客

原创人工智能导论week2

其中的贪心算法非常有意思。就是在每一步通过计算距离，去找到最简便的路线，同时只考虑了在到达之前没有被访问过的顶点的路径，很符合人们对效率最大化的追求。第二章主要介绍了盲目搜索的内容，并介绍了具体的例子来帮助我们理解这个算法的实现过程。但是，贪心算法也有局限性，不能很好的解决旅行商问题。需要分支定界算法来解决。通过3拼图问题、搜索树，来比较DFS和BFS的区别。

2024-01-27 01:21:01 172 1

向前看”的搜索方法中，其中 3 种是爬山法（hill climbing）、集束搜索（beam search）和最佳优先搜索（best first search）在人工智能中，产生式规则（production rule）是一种知识表示的方法，它的一般形式如下： IF（条件），THEN 动作或者 IF（条件），THEN 事实。活细胞通常有阴影（见图 1.18），死细胞通常不出现阴影。空间树（space tree）通常是状态空间图的真子集，它的根节点是初始状态，它的一个或多个叶子节点是目标状态。

2024-01-19 23:43:20 719 1

原创 Task6打卡大模型学习总结

在实际操作过程中，我并没有完全掌握所有的流程。在11月的学习中，我跟随教程完成了多个API的申请，最后完成了智谱aiAPI的调用。我创建了一个基于zhipuai的对话系统，这个系统包括角色和对话内容，按照json格式输出字符串。# 填写 APIKey 信息zhipuai.api_key = "您的APIKey"model = "chatglm_std" # 选择模型"""使用智谱清言 API 获取响应。text: 用户输入的文本。返回: 智谱清言的回复。"""# 构造请求。

2023-11-30 18:19:23 137

原创 DAY3打卡

6.验证迭代：通过不断发现 Bad Case 并针对性改进 Prompt Engineering 来提升系统效果、应对边界情况。相比传统的AI开发，大模型开发直接从实际业务需求出发构造小批量验证集，设计合理 Prompt 来满足验证集效果。1.确定目标：一般先设定最小化目标，从构建一个mvp（最小可行性产品开始）本项目从底向上依次分为 LLM 层、数据层、数据库层、应用层与服务层。2.设计功能：先确定应用的核心功能，再延展核心功能的上下文功能。4.搭建数据库：收集数据并进行预处理，再向量化储存到数据库中。

2023-11-19 14:00:49 42

原创 DAY2 调用大模型API

由于System Prompt的内容在整个会话过程中会持久地影响模型的回复，我们一般设置System Prompt来对模型进行一些初始化设定。区别于user prompt，user prompt一般有多个，我们可以通过 User Prompt 给出模型需要遵循的指令。由于LLM的生成具有随机性，我们可以通过控制Temperature参数来控制LLM生成结果的随机性和创造性。Temperature一般取值在0~1之间，越接近0，随机性越低，越接近1，随机性越高，文本更具创造性。一种任务对应的输入模板。

2023-11-17 11:28:07 96