- 博客(1023)
- 收藏
- 关注
RSS订阅原创 即将迎来DeepSeek-R2震撼升级：算力狂飙300%，颠覆AI未来！
即将发布的 DeepSeek R2，则在技术架构、参数设置、推理效率、多模态处理及多语言支持等方面实现了全方位的提升，甚至在成本效率和硬件适配上做出了显著优化。这篇文章将围绕 DeepSeek R2 与前代产品 R1 之间的多方面改进进行深入对比与解析，结合数个权威来源的信息数据，全面展示新版本的技术突破和市场影响。
2025-05-20 11:26:36
297
原创 涨薪30%！转型AI产品经理，这3个方法所有人都适用！
在AI产品经理刚成为互联网公司香饽饽的时候，我同事刚做产品1年的月月就规划了自己的转型计划，然后用3个月时间成功更换赛道，转战AI产品经理，涨薪30%。问及她有什么上岸秘诀？她也复盘总结了3个踩坑经验和正确路径，今天分享出来，希望对你有帮助。
2025-05-19 22:27:53
554
原创 AI时代已经到来！AI大模型的就业市场真是疯了！！！
教育部最新增设“人工智能”本科专业，北京、上海等地AI工程师年薪破百万频上热搜，华为、腾讯等企业开出天价争夺大模型人才……这些信号无一不在宣告：AI不再是科幻概念，而是决定未来就业市场的“新石油”。当蒸汽机取代马车时，最好的选择不是成为更快的马夫，而是学习驾驶火车。AI大模型的爆发同样如此：它淘汰的不是人类，而是不会使用人类工具的人。那些在招聘网站上疯狂增长的“AI训练师”“大模型应用工程师”“智能业务架构师”岗位，正在清晰勾勒出未来十年的职业新版图。正如互联网革命催生了产品经理、数据分析师等新职业
2025-05-19 21:35:17
357
原创 大模型AI应用，正在企业级赛道迅猛爆发，应用场景广阔，市场空间巨大
大模型AI应用在消费级市场的爆发，已引发各界广泛关注。不论是ChatGPT带动的第一波浪潮，还是DeepSeek之后更多中国大模型AI应用的涌现，从AI智能助手到AI陪伴应用，再到AI在各个领域的产品，应用层在全面爆发。但实际上，还有另一个易于忽略却刚需明确、广受看好的赛道，爆发得更迅猛——企业级大模型AI应用市场。这一趋势已有诸多现实印证。如AI、云计算、企服领域龙头玩家纷纷推出AI应用开发平台，满足企业拥抱生成式AI需求；IDC预测，中国生成式AI软件市场规模将达到35.4亿美元。国家层
2025-05-19 21:10:57
395
原创 绝了！DeepSeek里能一键导出Word了，90%的人还不知道
DeepSeek里Excel能导出，那Word能直接导出吗？当然OK😎那咱们今天就主要以卤鹅哥的事件为例，来给大家实操。为此，我精心整理了一套DeepSeek里一键导出Word的方案，让你 轻松上手！ 以后再也不要为Word导出烦恼了😭。今天继续上干货，教大家，如何用 DeepSeek一键实现Word导出自由！今天这篇帖子实用性极强，大家一定要好好收藏哦！
2025-05-18 08:00:00
705
原创 DeepSeek+Dify 构建本地知识库，真香！建议收藏起来慢慢学！！
之前讲过 DeepSeek + Cherry 搭建本地知识库，这样的知识库比较初级，上传的文件限制较多。无法满足更多个性化需求。今天我们来看看 DeepSeek + Dify 如何搭建自己的知识库。Dify 作为同样开源的 AI 应用开发平台，提供完整的私有化部署方案。通过将本地部署的 DeepSeek 服务无缝集成到 Dify 平台，企业可以在确保数据隐私的前提下，在本地服务器环境内构建功能强大的 AI 应用。
2025-05-17 08:00:00
605
原创 DeepSeek大模型“出圈”企业端！十大场景解锁千行百业AI新范式
当AI技术从实验室走向产业一线，一场关于效率与创新的革命正在悄然发生。从钢铁厂的“智慧大脑”到医院的“AI医生”，从金融风控到能源调度，DeepSeek大模型正以“技术底座”的角色，重塑企业运营的底层逻辑。让我们聚焦DeepSeek在企业端的十大核心应用场景，看它如何为千行百业注入智能基因！
2025-05-16 14:10:58
856
原创 Java和Python转行AI大模型的优势有哪些？怎么快速学习AI大模型？附AI大模型学习路线+全套学习资料！！
Java和Python转行AI大模型的优势有哪些？怎么快速学习AI大模型？附AI大模型学习路线+全套学习资料！！
2025-05-16 11:23:44
751
原创 零基础搭建个人知识库！DeepSeek、通义千问保姆级详细教程！小白友好型~
近期，各类AI工具的爆火，引起不少小伙伴们的兴趣。很多人想用AI帮助自己处理、分析生活中的一些文件、数据等等。但如果用网页版、APP版，每次上传文件会很麻烦！所以建立一个个人知识库，会方便很多。建立个人知识库用于AI训练，其实很简单！网上也有很多说法，说这样那样的，众说纷纭！但，我保证，看完今天这篇推文，你自己也可以轻松建立知识库！
2025-05-15 14:31:56
555
原创 Qwen3家族训练秘籍公开：思考/非思考融进一个模型，大模型蒸馏带动小模型
Qwen3技术报告新鲜出炉，8款模型背后的关键技术被揭晓！采用了双模式架构，一个模型同时支持推理和非推理任务，根据需要自动切换。训练和微调过程采取分段式策略，逐步构建模型能力。采取了“大带小”的模式，从大号模型中蒸馏数据训练小号模型。
2025-05-15 11:52:43
648
原创 一文搞懂AI大模型：RAG、Agent与多模态的行业实践与未来趋势
RAG： 大模型的动态知识引擎，解决模型静态知识边界、时效性与可信度问题。Agent： 大模型的智能执行中枢，赋予模型自主规划、决策与工具调用能力。多模态： 大模型的感知升级底座，突破单一模态理解限制，实现真实世界全息认知。知识增强（RAG）→ 行为智能（Agent）→ 感知升级（多模态）→ 完整智能体
2025-05-14 14:43:43
1011
原创 【AI大模型】LLM如何将杂乱文本变为可视化知识图谱？看完这篇你就知道了！！
知识图谱是一种强大的信息表示工具，通过实体（节点）及其之间的关系（边）来清晰呈现事物间的联系。相比之下，非结构化文本则显得杂乱无章。传统上，从原始文本构建知识图谱并非易事，往往需要人工识别实体和关系，并编写提取规则，或者借助专门的机器学习模型完成任务。然而，大语言模型（LLM）的出现带来了转机。LLM 具备强大的灵活性，非常适合这项任务。它们能够读取自由格式的文本并输出结构化信息。正如本文将展示的，我们可以利用 LLM 构建自动化流程来创建知识图谱。
2025-05-14 11:29:26
718
原创 【AI大模型微调】LoRA及其变体：大模型微调技术的最新发展与应用
QLoRA将量化技术与LoRA相结合，通过4比特量化基础模型并使用LoRA进行微调，大幅减少显存需求，使得在消费级GPU上也能微调大型模型。这使得更多开发者和研究者能够参与到模型定制中来。
2025-05-13 13:55:27
985
原创 TCMChat：一种用于传统中医药的生成式AI大模型 - 浙大&天津中医药大学等
在医学领域，结合突破性的大型语言模型（LLMs）和对话系统的应用逐渐普及。尽管最近提出了几种中医药大型语言模型，但它们在中医药领域的专业知识仍然有限。本文介绍了TCMChat中药知识聊天机器人（https://xomics.com.cn/tcmchat），一种通过预训练（PT）和监督微调（SFT）在大规模精选的中医学文本知识和中文问答（QA）数据集上进行训练的生成式大型语言模型
2025-05-13 11:21:43
972
原创 AI大模型行业落地分享：AI大模型在小红书推荐的应用
小红书的内容形式丰富多样，既有图文笔记，也有视频笔记。为了更好地理解这些内容，小红书采用了多模态内容理解技术。基于超过10亿量级的图文和视频笔记，小红书进行了大规模的多模态预训练，支持BERT、RoBERTa、ResNet、Swin-T、ViT等多种先进架构。
2025-05-12 11:30:42
947
原创 DeepSeek+即梦AI，一键生成logo，就是这么简单！适合所以对AI感兴趣的人！！
DeepSeek+即梦AI，一键生成logo，就是这么简单！适合所以对AI感兴趣的人！！
2025-05-12 10:46:27
329
原创 【AI大模型】RAG 与 MCP 如何以不同方式解决大模型的局限性
Claude和GPT-4o等大型语言模型 (LLM) 功能强大，但也面临两个主要限制：它们包含的知识是时效性的（更具体地说，是在训练时点固定的），并且决定它们一次可以处理多少信息的上下文窗口是有限的。检索增强生成 (Retrieval-AugmentedGeneration, RAG) 和模型上下文协议 (Model Context Protocol, MCP) 是两种可以解决这些限制的方法。在本文中，我们将简短概述这两种方法的工作原理，以及区分它们的一些差异。
2025-05-11 08:00:00
1209
原创 大白话带你了解：智能体、LLM、RAG和提示词工程，轻松构建下一代应用，小白看这一篇就够了！！
今天主要来聊一聊Ai大模型中的几个概念这两年AI应用开发火得不行，但很多小伙伴被一堆专业名词绕晕了。今天咱们就来掰开揉碎说说几个最关键的术语，保证看完你就能和工程师聊上两句了。
2025-05-10 14:06:10
559
原创 【AI大模型】使用 LangChain + Higress + Elasticsearch 构建 RAG 应用，收藏这篇就够了！！
RAG（Retrieval Augmented Generation，检索增强生成） 是一种结合了信息检索与生成式大语言模型（LLM）的技术。它的核心思想是：在生成模型输出内容之前，先从外部知识库或数据源中检索相关信息，然后将这些信息作为上下文输入给生成模型，从而提升生成内容的准确性、时效性和相关性。在本文中，我们将使用 LangChain、Higress 和 Elasticsearch 来构建一个 RAG 应用。
2025-05-10 11:48:44
1019
原创 【AI大模型搭建】拒绝焦虑！如何分钟级完成大模型应用开发环境搭建，看完这篇你就懂了！！
是 RAG 技术让零基础小白 3 天搭建智能客服，是 Llama3 微调教程在 GitHub 狂揽 10 万星。在 AI 的帮助下，有不少不足十人的开发团队，维护着月活上百万的应用。麦肯锡的报告还预测，到 2030 年，全球 AI 人才缺口将达到 4000 万人，包括很多复合型人才：AI 架构师、多模态算法工程师、AI 安全工程师、AI 产品经理……
2025-05-09 14:37:30
499
原创 【AI大模型】检索增强生成（RAG）技术演化总结！从传统RAG到GraphRAG，再到Agent检索！
检索增强生成（RAG）可以让基础大模型从其知识截止日期之后的外部信息源中获取知识，减少模型幻觉，并在回答时引用特定的信息来源。但RAG并非一个单一的技术。它是一系列持续发展的创新，每一项都在解决信息获取、思考行动和信息综合生成等方面的不同挑战。「本文将为大家介绍RAG技术的演变，从最早的查询转换，到图结构知识检索，再到Agent检索」；所有这些都是为了应对更难的信息查找和推理任务。文章结构安排如下：
2025-05-09 11:28:14
691
原创 【AI大模型】AI Agent：四大核心能力详解与技术演进，建议收藏起来慢慢学！！
智能体（Agent）的概念Agent一词，直译过来为“代理”，在AI的专业语境中，常被译为“智能体”。回顾传统聊天机器人，其主要优势在于对文字的理解与处理，能够熟练回答各类问题，完成诸如修改邮件、轻松聊天等相对简单的任务。然而，一旦面临复杂程度较高、需要多步骤协同执行且涉及与外界交互的任务时，传统聊天机器人便显得力不从心，难以有效应对。而智能体的核心使命，便是赋予AI自主完成任务的强大能力。这意味着当AI接收任务指令后，不仅要深度思考并规划出执行路径，更要切实将计划付诸实践，确保任务得以顺利推进。
2025-05-08 14:26:13
512
原创 【AI大模型】DeepSeek致谢腾讯大模型网络提速技术方案贡献
DeepSeek开源了包括DeepEP在内的五大代码库，揭秘了他们如何用1/5硬件资源实现传统万卡集群效能的核心技术。其中，DeepEP作为突破NCCL性能瓶颈的通信框架，通过300%的通信效率提升，成功让众多MoE架构的大模型摆脱了对英伟达NCCL的依赖。
2025-05-08 11:44:10
601
原创 保姆级教程：零代码基础也能微调Qwen3，并本地部署，收藏这一篇就够了！！
我将在本文介绍如何通过 unsloth 框架以 LoRA 的方法微调 Qwen3-14B 模型。我们将在本文介绍如何微调使模型成为一个"双重人格"的助手，既能进行普通闲聊，又能在需要时切换到更严谨的思考模式来解决复杂问题，特别是数学问题。简而言之，微调后的模型获得的能力
2025-05-07 14:11:09
1016
原创 windsurf分享了他们对构建Agent应用的认知，看到就是赚到！！
认知误区在他们看来，目前存在几个认知误区，得掰扯清楚Agent ≠ 普通的生成式 AI不要把换个system prompt的东西就叫做AgentAgent 的“推理” ≠ 模型的“思维链Agent 的“推理”，特指 LLM 选择下一步要调用哪个工具、给什么参数 的决策过程。 而COT不涉及调用外部工具Agent ≠ 简单的 AI 工作流 (Workflow)Agent 的核心在于，LLM 是在运行时实时决策下一步调用哪个工具，具有更高的灵活性和自主性。
2025-05-07 11:30:17
913
原创 产品经理必懂的 5 个 AI 知识点：LLM、Agent、RAG、向量数据库、知识图谱
产品经理必懂的 5 个 AI 知识点：LLM、Agent、RAG、向量数据库、知识图谱
2025-05-06 14:47:06
806
原创 【AI大模型】RAG技术解剖：3大模块根治AI“幻觉“，看到就是赚到！！
什么是RAG？RAG（Retrieval Augmented Generation，检索增强生成）是一种将检索系统与生成式AI模型结合的技术架构。核心思想是：不要让模型凭空生成答案，而是先检索相关信息，再基于检索到的信息生成回答。RAG解决的核心痛点
2025-05-06 11:38:10
546
原创 DeepSeek开源的文件系统，是如何提升大模型效率的？看完这一篇就懂了！！
人们认为，DeepSeek 通过开源 3FS 与 smallpond 等工具，在 AI 基础设施领域树立了新的设计范式。其价值不仅在展现技术实力，更是在驱动核心基础设施创新。DeepSeek 提出的文件系统是如何运作的，又能如何提高模型效率？最近，来自伊利诺伊大学厄巴纳-香槟分校的在读博士生 Henry Zhu 对 3FS 进行了解读。
2025-05-05 14:44:39
648
原创 【AI大模型】下一代RAG：54种RAG-大模型推理协同技术最新全面综述，收藏这一篇就够了！！
大型推理模型OpenAI O1和 DeepSeek-R1的进步，极大地推动了RAG技术的发展，对RAG与推理之间的协同作用进行了系统性的综述，明确了“推理”在RAG背景下的定义。构建了一个全面的分类体系，涵盖了多维的协作目标、代表性范式以及技术实现，并分析了双向协同的方法以及一份协同实践指南。
2025-05-05 11:37:14
746
原创 这篇论文非常火！差分Transformer竟能消除注意力噪声，犹如降噪耳机
Transformer 的强大实力已经在诸多大型语言模型（LLM）上得到了证明，但该架构远非完美，也有很多研究者致力于改进这一架构，比如机器之心曾报道过的 Reformer 和 Infini-Transformer今天我们又将介绍另一种新型 Transformer 架构：Differential Transformer（差分 Transformer，简称 Diff Transformer）。该架构来自微软研究院和清华大学，有四位共一作者：Tianzhu Ye、Li Dong、Yuqing Xia、Yut
2025-05-04 08:00:00
874
原创 一文搞懂大模型训练加速框架DeepSpeed的使用！建议零基础小白人手一份！！
在AI领域，常见的深度学习框架TensorFlow、PyTorch和Keras无疑是开发者们的得力工具，但随着模型规模的急剧膨胀，这些传统框架在应对大模型时往往会显得力不从心。比如Pytorch的分布式并行计算框架DDP(Distributed Data Parallel)，尽管实现了数据并行，但是当模型大小超过单个GPU显存限制时显得捉襟见肘。此时，开发者往往只能手动进行复杂模型的参数拆分到各个GPU上，这无疑增加了研发的复杂性和门槛。
2025-05-03 08:00:00
1015
原创 Deepseek本地部署详细指南！从 Ollama 到个人知识库应用
整体体验下来，14b 模型在翻译工作上比 7b 模型更为准确，一次性翻译成功率高。7B 模型翻译结果噪声多，返回结果可序列化效果差。翻译结果远远不如 14b
2025-05-02 08:00:00
1416
原创 RAG与微调--本地部署大语言模型在车企OEM的效率提升用途
LLM用在车机上，就是人机智慧问答，这是比较触手可及的。2、用在自动驾驶系统，比如理想VLA下一代自动驾驶架构，使用LLM作为基座模型，融合空间视觉和人类语言理解。3、用在车辆智能故障诊断和故障预测。现代车辆，特别是融合计算机系统的软件定义车辆，完全可以说是轮子上的智能计算机，车主或者驾驶员作为用户，很难理解各种原理和术语，只能用模糊描述的人类语言描述问题，车载大语言模型再转换为内部的技术语言来定位和预测车辆故障，并且以人类语言反馈车主或驾驶员。
2025-05-01 08:00:00
766
原创 阿里Qwen3 全部情报汇总，本地部署指南，性能全面超越 DeepSeek R1
Qwen3-235B-A22B (MoE, 总大小 235B, 激活参数 22B, 上下文 128K)Qwen3-30B-A3B (MoE, 总大小 30B, 激活参数 3B, 上下文 128K)混合思维模式，搭载了 thinking 开关，可以直接手动控制要不要开启 thinking最大的这个 Qwen3-235B-A22B 在强劲性能的基础上，部署成本仅为 Deepseek R1 的 35%。Qwen3-30B-A3B 的激活参数只有 3B，性能却可以跟 QWQ-32B 打平，成本只有
2025-04-30 11:44:52
2254
原创 突发！阿里开源Qwen-3，碾压DeepSeek-R1、o1，真的有实力！！
昨天凌晨5点，阿里巴巴开源了最新大模型——Qwen3。根据最新测试数据显示，Qwen3 在ArenaHard、AIME 24/25、LiveCodeBench、CodeForces、Aider等测试平台中，全部超过了DeepSeek开源的R1以及OpenAI的o1等著名模型。
2025-04-30 11:14:35
524
原创 产品经理的 5 个 AI 知识点：LLM、Agent、RAG、向量数据库、知识图谱
你是否经常被科技新闻里的术语绕晕？今天用“人话”拆解AI领域的五大核心技术概念，带你看懂未来世界的底层逻辑！一、LLM：大语言模型——AI界的百科全书是什么：LLM（Large Language Model）即大语言模型，像ChatGPT、文心一言这类能写诗、编程、聊天的AI，核心都是LLM。原理：通过“吞下”海量文本数据（如全网文章、书籍），学习人类语言的规律，像超级学霸一样预测下一句话该说什么。局限：知识可能过时（比如不知道2023年后的新闻），且容易“一本正经地胡说八道”（幻觉问题）。
2025-04-29 14:41:03
1066
原创 阿里Qwen3深夜开源，增强Agent能力，加强对MCP支持
经过后训练的模型，例如Qwen3-30B-A3B，以及它们的预训练基座模型（如Qwen3-30B-A3B-Base），现已在HuggingFace、ModelScope和Kaggle等平台上开放使用。对于部署，我们推荐使用SGLang和vLLM等框架；而对于本地使用，像Ollama、LMStudio、MLX、llama.cpp和KTransformers这样的工具也非常值得推荐。
2025-04-29 11:44:17
996
原创 【AI大模型】Agent如何提高任务执行精度？5大核心方法揭秘！看到就是赚到！！！
随着人工智能技术的飞速发展，智能代理（Agent）作为一种突破性的新型系统，正在成为各行各业解决复杂问题的利器。本文将详细解析 Agent 是如何通过精准的工作流、触发机制、数据优化等手段，提升智能系统的效率与准确性，让我们一起揭开这一革命性技术的神秘面纱。
2025-04-28 13:45:48
649
原创 【AI大模型】以最简单的方式揭秘大模型（LLM）复杂的工作原理，收藏这一篇就够了！！
大模型（LLM），或者说大型语言模型（Large Language Model）的出现，使人工智能引起了几乎所有人的关注。由于自然语言本身就是一种“自然的界面”，使得人工智能最近的突破成果对所有人来说都变得触手可及，从而迅速走红。然而，除非你是一名数据科学家或从事其他 AI 相关工作，否则很少有人真正了解 LLM 的工作原理。在这篇文章中，我将尝试改变这一状况。
2025-04-28 11:28:08
476
原创 为什么新手比专家更想做垂直领域SFT微调？看完这一篇就懂了！！
随着人工智能的浪潮席卷全球，大语言模型（LLM）的应用正变得无处不在。在垂直领域的SFT微调（Supervised Fine-Tuning）作为提升模型专业能力的关键技术，吸引了无数目光。但你是否注意到一个奇怪的现象：相比经验丰富的专家，新手似乎对尝试SFT微调表现出了更大的热情？这究竟是为什么？是新手无畏的冒险精神，还是专家深思熟虑后的保留态度？那么，什么是SFT微调？为什么它这么重要？具体怎么做？又该从哪个模型开始着手？别急，这篇文章将一步步为你解答。
2025-04-27 11:21:11
436
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