AI人工智能
文章平均质量分 93
AI技术介绍和实践
liyane
这个作者很懒,什么都没留下…
展开
-
AI系列:大语言模型的RAG(检索增强生成)技术(下)-- 使用LlamaIndex
继上一篇文章AI系列:大语言模型的RAG(检索增强生成)技术(上),这篇文章主要以LlamaIndex为案例来实现RAG技术。如对背景知识感兴趣,请移步大语言模型的RAG(检索增强生成)技术(上)。从LlamaIndex官网,可以找到如下的介绍:翻译成中文:如LlamaIndex 是一个用于构建上下文增强型大型语言模型(LLM)应用的框架。LlamaIndex 提供了工具来实现上下文增强。一个流行的例子是检索增强生成(RAG),它在推理时将上下文与大型语言模型结合起来。原创 2024-05-14 16:09:19 · 775 阅读 · 0 评论 -
AI系列:大语言模型的RAG(检索增强生成)技术(上)
RAG(Retrieval-Augmented Generation)是一种融合了检索(Retrieval)和生成(Generation)的自然语言处理技术,用于增强大型语言模型(LLM)的性能。RAG的核心思想是让模型在生成回答时,不仅依赖于其内部知识,还能利用外部的信息源,如数据库或知识库,来提供更准确、更丰富的答案。原创 2024-04-29 21:14:41 · 1337 阅读 · 3 评论 -
AI系列:大语言模型的function calling(下)- 使用LangChain
在AI系列:大语言模型的function calling(上)中我们实现了OpenAI原生的function calling。这篇文章将继续探讨如何使用LangChain实现大语言模型(LLM)的function calling。原创 2024-04-17 15:25:51 · 1612 阅读 · 0 评论 -
AI系列:大语言模型的function calling(上)
大语言模型(LLM)可以使用自然语言与人类对话。但在使用它完成某项复杂工作时,很多时候必须依赖其他外部工具,这包括但不限于原创 2024-04-15 21:41:30 · 1351 阅读 · 0 评论 -
AI 系列:LangChain基础
是目前流行的大语言模型相关应用的开发框架。其他的框架还包括Microsoft的Semantic Kernel,Amazon的Bedrock,开源的Hugging Face Transformers和LlamaIndex等等。至于为什么要使用框架呢。这里举个我自己的简单的例子。之前我在做的时候,这个对话器的设计是可以同时连接多个大语言模型。在开发过程中,需要根据不同厂家的大模型API,编写相应的代码。大模型种类多的话,那查询不同大模型接口的用法,也是个相当耗时的过程。原创 2024-03-21 16:55:15 · 662 阅读 · 1 评论 -
AI系列:用Python streamlit实现简单的AI 大模型对话对比器
这个AI大模型对话对比器包含与大模型对话和多个大模型对比的功能。提供浏览器界面,供用户输入提示词和显示对话生成结果。可以对比多个大模型 (目前代码示例为GPT3和GPT4)。保存对话上下文直至手动清空。原创 2024-02-19 15:47:22 · 1863 阅读 · 1 评论 -
【翻译】GPT-3架构,简述于“餐巾纸”上
这是一篇技术派文章,尤其是其中的绘制于“餐巾纸”上的手绘图,从数学角度对于大语言模型的架构给你一些新的启发。:liyane 使用LLM Chat API翻译;为了方便对照,把英文原文也对应在每段中文翻译之下。原创 2024-02-07 11:50:49 · 964 阅读 · 1 评论 -
AI系列:使用大语言模型(LLM)编码--爬虫及自动翻译脚本实践
大语言模型(LLM)的语义识别能力使之成为翻译的必用工具。如果我在互联网上看到一篇不错的英文文章,如何翻译呢?原创 2024-02-05 19:14:04 · 1031 阅读 · 1 评论 -
AI系列:大语言模型LLM的兴起
这是很难想象的,毕竟我们在学校学几何时处理的是一个三维的空间。以一种人类目前难以完全解释的方式,在已知token的基础上,生成概率最大的下一个token,不断的自回归直到生成所有的token。我用GPT3.5来进行代码相关的工作时,LLM的表现是出乎我的意料的。我曾经使用GPT3.5帮我统计一次活动的费用,GPT的输出逻辑上完全清楚明白,但是仔细看下,钱数却在某些步骤中算错了。虽然AI从ChatGPT开始引起普遍的关注,但实际上大语言模型(LLM)领域的研究早年已经在拥有最先进的技术的组织内进行。原创 2024-02-03 14:57:18 · 1045 阅读 · 2 评论