- 博客(913)
- 收藏
- 关注
RSS订阅
1原创 Gemini 3：开启AI代理与生成式界面的“智能新纪元”
谷歌推出新一代AI模型Gemini 3，深度集成到搜索、Gemini App及开发者工具中，标志着AI从问答工具向能执行复杂任务的智能代理转变。Gemini 3采用双核架构：Pro模式擅长日常任务和多模态处理，Deep Think模式专攻高难度推理，后者在科学问题测试中正确率达91.9%。其创新性在于生成动态交互界面，如贷款计算器或旅行规划杂志，重塑人机交互方式。开发者可通过Antigravity平台利用Gemini 3开发应用，而教育领域已开始运用其
2026-03-29 08:23:52
611
15 种高级 RAG 技术 从预检索到生成
我们关于检索增强生成 (RAG) 的入门文章介绍了关键概念，并探讨了 RAG 系统的工作原理。在本白皮书中，我们探索了 15 种高级 RAG 技术，以提高生成式 AI 系统的输出质量和整体性能的鲁棒性。这些高级 RAG 技术极大地扩展了团队微调系统性能的选择。例如，在为一家大型金融服务公司构建安全的对话式 AI 助手时，我们实验了本白皮书中探讨的大多数高级 RAG 技术。这使我们能够测试并识别适当的优化方案，从预检索到生成，利用我们的自动化 RAG 评估管道。
2024-09-25
huggingface上bge-reranker-base模型文件下载和本地使用
模型使用：
from sentence_transformers import SentenceTransformer
sentences_1 = ["你是谁"]
sentences_2 = ["你是哪个", "你是谁啊","who are you","谁"]
model = SentenceTransformer('/Users/hb-mac/Documents/chatGpt/llam/bge-reranker-base')
embeddings_1 = model.encode(sentences_1, normalize_embeddings=True)
embeddings_2 = model.encode(sentences_2, normalize_embeddings=True)
similarity = embeddings_1 @ embeddings_2.T
print(similarity)
2024-06-19
llamaindex入门案例代码
注意：
（1）python版本：3.11
（2）llamaindex版本：pip3 install llama-index==0.9.34
（3）底层大模型使用默认的chatGpt，需要有chatGpt的api_key
（4）本地网络环境需要梯子
2024-02-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人