- 博客(68)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 探索智能本质：技术智能的演进趋势
智能的本质探索，不仅是对过去的回顾，更是对未来的展望。技术智能的发展，需要我们深入理解其背后的原理和机制，从而推动人工智能向更高层次的智能进化。期待未来的智能系统能够更加透明、安全，并具备真正的自主学习能力。
2024-07-22 11:13:08
483
原创 元宇宙深入解析
一个虚拟世界是元宇宙中的基础构建模块，它是一个数字化的环境，可以模拟现实世界的各个方面，甚至超越现实，创造独特的体验。环境设计：虚拟世界拥有自己的地理、建筑、景观等，这些设计细节为用户营造出沉浸感。交互性：用户可以在虚拟世界中与环境和其他用户进行互动，包括移动、探索、交流等。规则系统：每个虚拟世界都有一套内在的规则和逻辑，这些规则定义了世界如何运作，用户如何与之互动。社会结构：虚拟世界可以有自己的社会体系，包括虚拟角色、社会阶层、经济系统等。持续性。
2024-07-16 20:41:36
941
原创 GraphRAG：知识图谱与RAG智能融合新纪元
利用大模型对实体、关系和声明的描述进行抽象总结，形成对概念的独立有意义的摘要。这一过程依赖于大模型对文本本身未明确表述的概念（如隐含关系）的理解能力。为每个社区生成摘要，这些摘要不仅有助于理解数据集的全局结构和语义，而且在没有具体查询的情况下，也可用于对整个文档集合的理解。社区摘要的生成考虑了节点的重要性和连接度，以确保社区内的关键信息被有效捕捉。GraphRAG技术以其革命性的知识图谱融合和检索增强能力，为人工智能领域带来了新的突破。
2024-07-16 17:24:42
1232
原创 产业知识图谱：金融科技的创新引擎
产业知识图谱作为一种创新的数据分析工具，已经在金融决策支持系统中展现出其独特的价值。随着技术的不断进步，我们期待产业知识图谱能够为金融行业带来更多的创新和变革。它不仅能够帮助金融机构实现风险管理和业务增长，还能够推动整个行业向更高效、更智能的方向发展。在未来，随着人工智能、大数据等技术的进一步融合，产业知识图谱的应用场景将更加广泛。金融机构可以期待通过产业知识图谱实现更深层次的数据洞察，从而为客户提供更加精准、个性化的金融服务。
2024-07-13 08:15:00
924
原创 单体、分布式、微服务、Serverless及新兴部署模式分析
软件架构的选择应基于业务需求、技术能力、团队经验等多方面因素。从单体到微服务，再到Serverless和新兴的服务网格与MaaS模式。每种部署模式都对应着不同的技术需求和业务场景，选择合适的架构模式对于提高开发效率、系统可维护性和业务扩展性至关重要。本文为大家提供了对不同软件架构模式的深入解析，希望能够帮助大家更好地理解每种架构的特点，以及它们在现代软件开发中的应用。
2024-07-13 07:30:00
637
原创 设计模式与分布式架构实战 总结
NP问题是计算机科学中的一个重要概念，它代表了一类可以在多项式时间内验证解，但难以在多项式时间内求解的问题。旅行商问题（TSP）：一个经典的NP完全问题，它要求在给定的一组城市和每对城市之间的距离时，找到一条最短路径，使得每个城市只访问一次并最终回到起始城市。背包问题（Knapsack problem）：一个典型的NP问题，它要求在给定的物品和背包容量下，如何选择物品装入背包，使得背包中的物品总价值最大。对于架构设计来说，你给我方案，我可以说：好不好？至于最合适的方案：真不知道。
2024-07-12 08:00:00
1152
原创 Prototype, POC, MVP：区别与比较
Prototype，即原型，是指用一个已经创建的实例作为模板，通过复制该实例来创建新的相似或相同对象的过程。这是一种设计模式，旨在提高软件开发的效率和灵活性。POC，即概念证明，是一种方法或过程，用于验证某个理念、理论或技术方案是否可行。它通常发生在项目的早期阶段，目的是证明解决方案在理论上是可行的，并在实践中具有实际应用的潜力。MVP，即最小可行产品，是指在产品开发过程中，将资源集中在最核心的功能上，以最小的成本和最短的时间推出一个具备基本功能的产品版本。其目的是尽早获得用户反馈，以便进一步完善产品。
2024-07-12 07:30:00
829
原创 Seven layers of the metaverse
随着像Google、Apple、Facebook和Microsoft这样的科技巨头公开展示他们对元宇宙的痴迷，并投入大量资金使其成为现实，元宇宙已经成为感兴趣的投资者、技术爱好者和普通人之间的主要话题。每个人都想知道元宇宙是什么，它在哪里，以及它的能力是什么。但是，理解元宇宙有些具有挑战性，因为它还没有以真正的、完全成熟的形式存在。通过理解构成它的七层来理解元宇宙是一个很好的方式。每一层都代表了元宇宙的一个关键方面，不能与其他六层孤立操作。
2024-07-11 11:34:52
981
原创 Leetcode 2972. 统计移除递增子数组的数目 II
题目描述：给你一个下标从开始的整数数组nums。如果nums的一个子数组满足：移除这个子数组后剩余元素，那么我们称这个子数组为子数组。比方说，中的[3, 4]是一个移除递增子数组，因为移除该子数组后，变为[5, 6, 7]，是严格递增的。请你返回nums中子数组的总数目。，剩余元素为空的数组也视为是递增的。指的是一个数组中一段连续的元素序列。10。
2024-07-11 08:29:38
378
原创 AI Agent 的发展现状、行业结构与趋势分析
Agent 来自一种哲学概念，是个很古老的哲学术语，从哲学意义上讲，“代理”的概念涉及实体的自主性，具有行使意志、做出选择和采取行动的能力，而不是被动地对外部刺激做出反应。后来人们将这一概念引入计算机科学领域，用 Agent 概念指代整个人工智能，认为人工智能是“基于计算机的、表现出智能行为各个方面的 Agent”，因此可以理解为 AI Agent 是 Agent 这一哲学概念在人工智能领域的具体化，是能够感知周围环境，做出决策，然后采取行动的计算实体。
2024-07-10 21:23:51
1832
原创 LLM+Agent技术
Agent本身是类似于DM的升级版，能够充分利用对环境的感知，进行决策规划，充分调用LLM的能力。私有化部署时，集成到企业工作流中，面临的边际成本很难降低，且没有通用性。Agent需要调用外部工具，调用工具最好的方式就是输出类Makedown代码由LLM大脑输出一种可执行的代码，像是一个语义分析器，由它理解每句话的含义，然后将其转换成一种机器指令，再去调用外部的工具来执行或生成答案。
2024-07-10 15:38:25
877
原创 大语言模型垂直化训练技术与应用
垂直化训练技术指的是针对特定行业或应用场景，对大语言模型进行定制化训练，使其能够更好地理解和生成特定领域的内容。这种训练方式的重要性在于，它能够提高模型在特定任务上的表现，同时减少对通用数据的依赖。垂直领域AIGC应用的关键点对现有的GPT模型进一步挖掘潜力，生成更有性价比的垂直大模型方案对优质训练数据的蒸馏加工，更好的体现垂直化、专业化的应用为toB客户量身打造好的大模型方案，探索更好的效果和高价值应用场景针对垂直应用场景，值得探索prompt等产品创新和功能增强垂直化训练的难点数据专业性。
2024-07-09 19:58:34
1114
原创 多模态大模型之达摩院通义MPLUG
多模态技术是能够同时处理和分析多种类型数据（如文本、图像、声音等）的技术。其重要性在于，现实世界中的信息往往是多模态的，单一的数据类型无法全面反映事物的本质。多模态技术使机器能够更接近人类的感知和认知方式，从而在复杂场景中做出更加精准的判断。多模态技术的发展为人工智能领域带来了新的机遇和挑战。优秀的多模态技术方案需要深度跨模态特征融合机制和大规模多模态预训练的支持。多模态统一大模型将成为通用人工智能发展的重要方向。同时，大模型轻量化和层次化模块化大模型的研究，将使得多模态技术更加实用和高效。
2024-07-09 15:15:02
771
原创 语言模型演进：从NLP到LLM的跨越之旅
本文深入探讨了LLM的发展历程、技术路线以及它们对未来AI领域的影响。LLM的发展不仅仅是技术的进步，更是我们对机器理解能力的一次深刻反思。从规则到统计，再到深度学习和预训练，每一步都为我们提供了新的视角和工具。如今，我们站在大型语言模型的新时代门槛上，面对着前所未有的机遇和挑战。
2024-07-08 21:06:59
1340
原创 预训练对齐：数学理论到工程实践的桥梁
预训练对齐是连接数学理论与工程实践的桥梁。通过不断优化对齐方法和策略，我们可以提高模型的性能，使其在各种任务中都能发挥出色的作用。本文探讨了预训练对齐的多个方面，从理论到实践，从方法到应用，旨在为读者提供一个全面的视角，以更好地理解和应用预训练对齐技术。
2024-07-08 20:17:22
806
原创 ReAct Agent 分享回顾
在人工智能的迅速发展中，ReAct Agent作为一项前沿技术，受到越来越多的关注。本文结合ReAct Agent 提出者的访谈内容，探讨ReAct Agent的研究背景、技术挑战、未来展望，以及它与大模型的紧密联系，分析其科研成果与商业化落地的可能性，供读者参考。
2024-07-06 19:46:18
1143
原创 大语言模型与知识图谱结合发展方向
大语言模型的未来充满机遇，它们将在技术创新、行业应用和用户体验等多个方面发挥关键作用。开源工具和改进思路将促进LLM的普及和优化，定制化大模型将满足特定行业的需求，多智能体协同和神经+符号技术范式将推动智能系统的进一步发展。新一代应用开发范式将利用LLM和知识图谱的能力，实现更加智能化和自动化的应用开发。
2024-07-06 19:07:52
1302
原创 如何利用Kimi解读Kimi的KVCache技术细节
最近Kimi公布了一篇的文章，详细介绍了Kimi背后的推理架构，因此笔者想到用Kimi解读Kimi，梳理相关技术要点如下，供大家参考：文章 "Mooncake: A KVCache-centric Disaggregated Architecture for LLM Serving" 介绍了 Mooncake 这一为大型语言模型(LLM)服务而设计的服务平台。
2024-07-05 14:21:39
1118
原创 知识库系统平台管理与优化
在之前做的关于FAQ知识库问答系统中，总结了相关踩坑内容，梳理如下，供大家参考。系统平台的管理与优化对于企业来说至关重要，它不仅关乎数据处理的效率，还直接影响到用户体验和业务成果。本文将从系统平台管理方式、系统架构、知识运营优化、知识召回策略、运维方式处理以及后续规划六个方面，探讨如何全面提升系统平台的性能与质量。
2024-07-05 10:37:29
1014
原创 Leetcode 115 不同的子序列
在实际应用中，推荐使用动态规划或递归加记忆化的方法来解决这类问题，因为它们具有更高的效率。动态规划方法通过填表的方式避免了重复计算，而递归加记忆化方法则通过记忆化来优化递归过程中的重复计算，两者都是解决这类问题的有效手段。
2024-07-04 17:29:42
482
原创 智能本质：马毅教授对大模型和白盒理论的观点
在人工智能的快速发展中，我们见证了从简单的自动化工具到复杂的智能系统的演变。随着深度学习技术的突破，大模型如GPT系列已经能够执行从文本生成到图像识别等多样化任务。然而，这些模型虽然在功能上取得了显著进展，但其内部工作机制往往被视为黑箱，缺乏透明度和可解释性。香港大学计算机系主任、数据科学研究院院长马毅教授，以其独到的见解和深入的研究，填补研究的空白。他提出了白盒模型的概念，旨在提高模型的可解释性，同时探索智能的本质。本文将探讨马毅教授的观点，从智能与知识的区分出发，探索他对大模型和白盒理论的看法。
2024-07-04 17:19:03
695
原创 RAG技术简介及研究方向推荐
检索增强生成（Retrieval Augmented Generation，简称 RAG）向 LLM 提供了从特定数据源检索的信息，以此作为生成答案的基础。简而言之，RAG 结合了搜索和 LLM 的提示功能，在此基础上，模型根据搜索算法提供的信息，作为上下文来回答问题。这些查询和检索到的上下文会一并被注入到发送给 LLM 的提示中。目前有两个最著名的开源库专注于基于 LLM 的流程和应用开发 ——LangChain 和 LlamaIndex。
2024-07-03 09:02:30
886
原创 数字人智能对话系统
本文介绍了一种在人工智能时代带来的新型人机交互范式——数字人智能对话系统。通过整合自动语音识别（ASR）、大型语言模型（LLM）、文本到语音转换（TTS）、语音克隆（Voice Clone）以及数字人生成（TFG）等多项技术。我们探讨了各个技术模块的功能和实现方式，展示了如何通过高效的音视频流式服务来实现实时、自然的人机对话。随着人工智能技术的不断发展，数字人智能对话系统将迎来更加广阔的发展前景，如以下几个方面：🔸随着大型语言模型的不断进步和优化，数字人智能对话系统将能够实现更加智能、自然的对话体验。
2024-07-03 08:49:05
716
原创 OpenSearch的演进与语义检索技术革新
OpenSearch是一个开源的搜索与分析套件，起源于ElasticSearch 7.10.2版本，坚持Apache-2.0开源协议，以开源优先和社区驱动为原则。OpenSearch项目不仅提供了强大的搜索功能，还包括了DataPrepper、Dashboard等组件，广泛应用于搜索、可观测性、安全分析、数据可视化和机器学习等领域。向量搜索引擎从原始向量做写入、查询，OpenSearch做了很多运行速度、压缩量化方面的优化。
2024-07-02 10:04:52
848
原创 Agentic AI与Agentic Workflow：下一代智能自动化
首先，从定义上来看，AI Agent通常指的是一个能够执行特定任务的智能系统，它在预设的参数和规则下运行，具有一定的自主性和自适应性。而Agentic AI则是一种更为高级的形态，它不仅包含了AI Agent的所有特性，还强调了在更少或没有人类干预的情况下，系统能够自主设定目标、规划并执行复杂任务的能力。
2024-07-02 08:21:43
844
原创 2024年数据和AI趋势报告深度解析：洞悉未来，引领变革
在数字化浪潮的推动下，人工智能（AI）和大数据技术正以前所未有的速度重塑着我们的工作和生活方式。Google Cloud发布的《2024年数据和AI趋势报告》为我们提供了一个窗口，让我们得以窥见未来几年内这些技术可能带来的变革。本文将深入分析报告的主要内容，并结合个人见解，探讨这些趋势对企业战略、工作方式以及个人发展的影响。
2024-07-01 09:47:34
796
原创 目标检测算法的研究现状
一阶段检测器如YOLO（You Only Look Once）和SSD（Single Shot MultiBox Detector）等，通过直接在图像上设置大量的预定义锚框（anchor boxes），并预测其类别和位置，实现快速的目标检测。Faster R-CNN的损失函数包括RPN的分类损失、RPN的边界框回归损失、Fast R-CNN的分类损失和Fast R-CNN的边界框回归损失。多模态大模型在目标检测领域的应用日益广泛，它们通过结合文本、图像等多种模态的信息，提高了目标检测的准确性和效率。
2024-07-01 09:26:57
685
原创 AI Agent原理与开源框架分析
AI Agent的迅速发展得益于大型语言模型（LLM）的驱动。自从2023年以来，LLM Agent因其在研究、框架和应用方面的迅猛发展而受到广泛关注。Agent的概念源自于能够通过传感器感知环境，并通过执行器对环境做出反应的实体。在工程实现上，AI Agent可以拆分为规划、记忆、工具和行动四大核心模块。AI Agent代表了工作流的革新，它们不再是简单的指令执行者，而是能够进行自我反思、规划和修正的参与者。设计有用的Agent AI应用需要考虑通信机制、记忆机制和工作流设计。
2024-06-30 16:03:59
1008
原创 生成式AI：未来商业的变革者
生成式AI正以其独特的方式重塑着我们的世界，它不仅为用户带来了全新的体验，也为企业提供了一个强大的工具来提高生产力和创新能力。随着技术的不断进步和应用场景的不断拓展，我们有理由相信，生成式AI将成为推动未来商业发展的重要力量。亚马逊云科技的生成式AI解决方案为我们提供了一个强大的平台，使我们能够轻松构建和扩展生成式AI应用程序。随着技术的不断成熟和市场的不断开放，我们期待看到更多创新的生成式AI应用诞生，为我们的生活带来更多的便利和乐趣。
2024-06-30 15:36:55
1105
原创 谷歌Gemma 2：开源模型的新里程碑
谷歌对Gemma 2的安全性给予了高度重视，在训练过程中遵循了严格的内部安全流程，对数据进行了筛选，并针对一系列综合指标进行了测试和评估，以识别和减轻潜在的偏见和风险。在Hugging Face的基准测试中，Gemma 2 27B的尺寸仅为Llama 3 70B的40%，训练数据量也少于Llama 3 70B的2/3，但性能却优于Qwen1.5 32B，与Llama 3 70B相比也仅有几个百分点的差距。随着技术的进步和需求的增长，Gemma 2应运而生，旨在提供更强大的性能和更广泛的应用场景。
2024-06-28 11:25:35
782
原创 数字时代的软件架构：持续架构的兴起与架构师角色的转变
数字时代的软件架构正在经历一场深刻的变革。持续架构的提出，不仅仅是对传统架构方法的补充，更是对其的一次颠覆。它要求架构师转变角色，从一次性的解决方案提供者，变为持续的决策者和领导者。这不仅是一种技术实践的变革，更是一种思维方式的转变。作为软件开发者，我们需要拥抱这种变化，学会在不确定性中寻找确定性，通过持续架构的实践，构建更加灵活、可维护的软件系统。这不仅是对个人技能的提升，更是对整个软件行业的贡献。在数字时代，持续架构为我们提供了一种新的思维方式和工作方法，帮助我们更好地应对快速变化的软件开发环境。
2024-06-28 10:47:14
1157
原创 基于大语言模型的多意图增强搜索
随着人工智能技术的蓬勃发展，大语言模型（LLM）如Claude等在多个领域展现出了卓越的能力。如何利用这些模型的语义分析能力，优化传统业务系统中的搜索性能是个很好的研究方向。在传统业务系统中，数据匹配和检索常常面临诸多挑战，例如用户使用门槛高、业务变化适应性差以及搜索匹配效果不佳。生成式AI的出现为这些问题提供了新的解决方案。
2024-06-27 10:31:21
965
原创 LLM在软件测试中的革新应用
LLM在软件测试领域的应用具有广泛的前景和潜力。通过构建领域知识库和业务知识图谱、自动生成测试用例和测试数据、实现测试自动化和智能化、进行缺陷预测和挖掘以及实现代码精准测试等应用方向，LLM可以大大提高软件测试的效率和质量，为软件质量保障提供有力支持。然而，我们也需要注意到LLM在软件测试领域的应用还存在一些挑战和问题。例如，如何保证LLM模型的准确性和鲁棒性、如何处理多语言和跨文化的问题、如何平衡LLM模型的学习效率和效果等。
2024-06-27 09:48:29
887
原创 大语言模型消除幻觉的解决方法
随着人工智能技术的飞速发展，大型语言模型（LLMs）已经成为自然语言处理领域的明星。它们以其庞大的知识库和生成连贯、上下文相关文本的能力，极大地推动了研究、工业和社会的进步。然而，这些模型在生成文本时可能会产生所谓的“幻觉”——即生成看似合理但事实上错误或无意义的信息。这种现象不仅引起了对安全性和伦理性的担忧，也对LLMs的可靠性提出了挑战。
2024-06-26 15:43:54
975
原创 意识与通用人工智能见解（北京智源大会）
讨论表明，意识与AGI的关系远比我们想象的要复杂。意识不仅是哲学和心理学的问题，也是神经科学、计算机科学乃至整个社会需要面对的挑战。随着技术的进步，我们对意识的理解将不断深化，而AGI的发展也将为我们带来前所未有的机遇和挑战。未来，我们期待在这一领域的更多突破，为人类社会的发展贡献智慧和力量。同时，我们也应当思考如何在AI的发展中平衡技术进步与伦理道德，确保AI技术的发展能够造福人类，而不是成为新的挑战。在探索意识与AGI的奥秘时，我们不仅需要科学家的智慧，更需要全社会的参与和思考。
2024-06-26 15:27:57
639
原创 LeetCode 2732. 找到矩阵中的好子集
给定一个 m x n 的整数矩阵mat和一个整数k，我们需要找到一个大小为k的子集rows，使得这个子集对应的行在矩阵mat中构成的子矩阵中，所有元素之和最大。返回这个子矩阵中所有元素之和的最大值。rowsrowsk18解释：选择第 1 行和第 2 行，得到子矩阵，子矩阵中所有元素之和为 18。为了解决这个问题，我们需要从几个不同的角度进行思考。首先，由于题目要求返回的是子矩阵中所有元素之和的最大值，我们可以考虑使用贪心算法来尝试解决这个问题。
2024-06-25 22:02:00
744
原创 IPython使用技巧整理
在IPython中，可以使用%alias命令为常用命令创建别名，以便更快地执行它们。例如，可以将%history命令的别名设置为hh # 执行%history命令，列出历史命令列表此外，还可以使用%macro命令将一系列命令组合成一个宏，并为该宏命名。然后，可以通过宏名来执行这组命令。在需要重复执行一系列命令时非常有用。# 定义一个宏，用于绘制正弦波plt.show()# 执行宏，绘制正弦波sine_plot。
2024-06-25 09:00:26
585
原创 联盟学习：技术原理、特点及适用场景
联盟学习作为一种新兴的技术，为数据价值的挖掘提供了新的思路和方法。通过深入学习和实践联盟学习技术，我们可以更好地利用碎片化、分散化的数据资源，推动科技进步和社会发展。同时，我们也需要关注联盟学习的不足之处和潜在风险，加强安全防护和性能优化等方面的研究。
2024-06-24 07:15:00
882
原创 LLM开源框架总结
Rank1、AutoGPT(161k stars)>https://github.com/Significant-Gravitas/AutoGPTRank2、LangChain(82.7k stars)>https://github.com/langchain-ai/langchainRank3、MetaGPT(39.1k stars)>https://github.com/geekan/MetaGPTRank4、AutoGen(24.8k stars)>https://github.com/microso
2024-06-23 07:15:00
321
原创 AI 语录（一）
Midjourney创始人关于AI的一些看法给了我新的输入，AI越来越智能化给人了一种脊背发凉的感觉，但是从新水源和冲浪板的角度看，学习驾驭AI和AI共存的方式更加积极也更加合理。"当计算机比99%的人善于视觉想象的时候，这意味着什么，这并不意味着我们要停止想象，比如骑车比人快，难到就不需要步行了嘛，当我们远距离需要运送物品的时候，我们需要发动机，飞机，汽车。今天如果我们需要非常狂野的想象未来的时候，我们需要一个引擎。我们要做的不是用人的体力和精力赛跑而是如何驾驭这个引擎。
2024-06-22 07:00:00
586
蓝桥杯古堡问题
2013-04-08
一元多项式 课程设计
2012-12-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人