大模型
文章平均质量分 89
科技之歌
银行总行高级系统架构师、智能交互实验室负责人,中国通信学会会员。主持和参与 10 余项国家级相关项目及企业相关项目,获得发明专利授权 6项,专注于LLM应用、自然语言处理与元宇宙交互等领域, 在智能交互与人工智能产业化落地方面有着丰富经验。
展开
-
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。原创 2024-07-06 19:46:18 · 533 阅读 · 0 评论 -
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。原创 2024-07-06 19:07:52 · 877 阅读 · 0 评论 -
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。原创 2024-07-05 14:21:39 · 1054 阅读 · 0 评论 -
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。原创 2024-07-03 09:02:30 · 850 阅读 · 0 评论 -
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。原创 2024-07-02 08:21:43 · 731 阅读 · 0 评论 -
AI Agent:技术原理与未来趋势
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。原创 2024-06-30 16:03:59 · 934 阅读 · 0 评论 -
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。原创 2024-06-30 15:36:55 · 1097 阅读 · 0 评论 -
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。原创 2024-06-27 10:31:21 · 895 阅读 · 0 评论 -
面向AI时代的软件开发新范式
面向AI时代的软件开发新范式,不仅仅是技术的革新,更是对软件开发思维和方法的一次深刻反思。作为开发者,只要我们不断学习和适应,就能在AI时代中找到自己的位置,创造出更加智能、高效和创新的软件。原创 2024-06-19 10:20:16 · 790 阅读 · 0 评论 -
AI Workflow的敏捷开发:持续创新与优化的艺术
通过持续迭代、验证、反馈和交付,我们能够确保AI Workflow在实现智能化的同时,也能够满足用户的实际需求,推动人工智能技术的长远发展。AI Workflow的难点,精确控制的记忆和自有系统逻辑的融合,主动被动结合沟通的场景,都需要我们在开发过程中进行细致的考虑和设计。然而,随着技术的发展,我们面临着一系列挑战,如何有效地应对这些挑战,实现AI Workflow的敏捷开发,成为了一个值得探讨的话题。最后,尽管大模型的出现可能会改变我们对编程语言的依赖,但工程思维和敏捷开发的方法论是不变的。原创 2024-06-21 07:15:00 · 300 阅读 · 0 评论 -
LLM文章整理
大模型方向开源项目相关热点主观解读模型训练Bloom、ChatGLM、LLaMA、Dolly20门槛克隆ChatGPT!30分钟训完,60亿参数性能堪比GPT-3.5、Llama-X开源!唿吁每一位NLPer参与推动LLaMA成为最先进的LLM、Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90%* ChatGPT Quality、ChatGPT平替「小羊驼」Mac可跑!2行代码单GPU,UC伯克利再发70亿参数开源模原创 2024-06-15 10:27:15 · 348 阅读 · 0 评论 -
Apple Intelligence模型细节
苹果端侧、云端模型细节原创 2024-06-13 00:15:00 · 899 阅读 · 0 评论 -
RAG核心算法
一文读懂RAG原创 2024-06-12 07:53:43 · 1372 阅读 · 0 评论 -
多模态AI的挑战与早期壁垒的构建
多模态AI作为人工智能领域的重要分支,具有广阔的发展前景和应用潜力。然而,在推动其发展的同时,我们也必须关注并解决其中的难点和挑战,特别是隐私保护和伦理问题。展望未来,我们既期待多模态AI能够在更多领域得到应用,为人类带来更多的便利和福祉,也需要保持对新技术发展的审慎态度,确保AI技术的发展符合社会伦理和道德标准,为人类社会的可持续发展做出贡献。这个过程也需要相关企业和研究机构能够加强合作,共同推动多模态AI技术的发展和应用。原创 2024-06-11 09:20:25 · 935 阅读 · 0 评论 -
AI大模型:未来5~10年的技术革命与机遇
AGI,即人工智能通用智能,它代表了AI智商超过人类,能够执行聪明人的工作的能力。这是一个充满挑战和机遇的领域。在短期内,我们可能会高估AGI的能力,但在长期看来,AGI的潜力和影响力是不可低估的。随着技术的不断进步和应用的不断拓展,AGI将在医疗、教育、金融、交通等各个领域发挥重要作用,推动社会的进步和发展。AI大模型的发展为我们带来了无数的机遇和挑战。在这个过程中,我们需要积极拥抱AI大模型,理解并应用在我们的生活和工作中。原创 2024-06-11 08:41:05 · 809 阅读 · 0 评论 -
多模态大模型思路
关于多模态模型设计的构思——直接以原始图像的Patch作为图像输入,文本部分还是常规预测下一个Token,图像部分则用输入加噪图像来重构原图,这种组合理论上能以最保真的方式实现多模态生成。初步来看,直接以原始图像的Patch作为输入的Transformer,是有可能训练出成功的图像扩散模型的,那么这种扩散与文本混合的模型设计,也就有成功的可能了。原创 2024-06-10 09:08:08 · 637 阅读 · 0 评论