AIGC学习
文章平均质量分 91
拉达曼迪斯II
担任过
动视暴雪技术总监
UnigineEngine技术总监
Garena Team Leader
腾讯高级开发
主要擅长三维引擎 云渲染 数字孪生 区块链
AI 机器人方向。
欢迎技术交流。
展开
-
RAG 应用中高效矢量搜索的强大功能
在深入研究向量索引之前,了解相似性搜索至关重要。相似性搜索旨在根据某些定义的标准或距离度量来查找与给定查询项目相似的项目。在机器学习中,这通常涉及比较表示数据点(如图像、文本嵌入或用户偏好)的高维向量。可以将向量索引视为高维数据的专用归档系统。就像图书馆索引可以帮助您在数千本书中快速找到一本书一样,向量索引可以帮助算法高效地检索相关数据。不同的向量索引技术针对内存使用量、搜索速度和准确性之间的各种权衡进行了优化。每种索引技术的性能高度依赖于数据集结构和参数配置。但是,它们确实具有一些共同的特征。原创 2024-09-30 00:00:00 · 907 阅读 · 0 评论 -
使用 LangChain 创建强大的 AI 代理!
AI 代理是一种利用人工智能自主执行任务的复杂系统。它们可以分析数据、做出决策并以对话方式与用户互动,这使得它们在各种应用中都具有不可估量的价值。它们能够从互动中学习并随着时间的推移提高性能,这是它们与传统软件解决方案的不同之处。Henry Heng/wp:image这些代理可以将复杂的问题分解为更简单的组件,从而使它们能够有效地应对复杂的挑战。随着人工智能技术的兴起,企业越来越多地采用人工智能代理来提高生产力并简化运营。/wp:image。原创 2024-09-29 13:57:06 · 581 阅读 · 0 评论 -
用于生成 LLM 管道的 AI 代理系统
ChainBuddy 是一个很好的例子,它使用对话式 UI 通过代理方法收集用户信息,包括目标、要求、偏好等。ChainBuddy 充当更高的抽象层,帮助用户将他们的需求转化为管道。尽管这个管道可能不是最终产品,但它是解决空白画布问题的一步。为用户提供可编辑的起点以达到最终状态。互操作性可能需要考虑,因为流程需要导出或至少在其他 IDE 中重新创建。原创 2024-09-29 13:01:14 · 744 阅读 · 0 评论 -
教人工智能“思考”:自学推理革命
它严重依赖人类的专业知识来指导模型的学习,当我们需要海量单词的大型数据集时,这可能会成为定价方面的瓶颈。采用更高效的测试时间计算方法的模型可以解决通常需要更大的预训练模型的问题,从而可能节省大量资源并提高模型的大规模适应性。我们不必依赖大量人工注释的数据,而是可以使用强化学习技术,使用相对较小的数据集,并使用模型自己生成的推理步骤来不断改进。正如我们在 o1 模型中讨论的那样,增加测试时间计算可以让模型在部署期间执行额外的推理步骤(与训练时间计算相比,见下图),从而在复杂任务上获得更好的性能。原创 2024-09-29 10:33:02 · 755 阅读 · 0 评论 -
基于角色的 LLM 响应个性化
ChatGPT 或当今底层的大型语言模型 (LLM) 能够在给出提示的情况下生成情境化的响应。作为 LLM 发展的下一步,我们希望响应能够根据最终用户的角色、对话历史、当前对话环境和情绪变得越来越个性化。LLM 个性化的主要优势包括:个性化响应:Gen AI 解决方案根据与之交互的用户调整其语言、语调和复杂性。这确保对话更符合用户的期望和沟通风格。对话上下文:Gen AI 解决方案了解用户的典型用例、偏好和历史记录,从而能够提供更具上下文相关性和个性化的响应。原创 2024-09-29 10:28:19 · 1046 阅读 · 0 评论 -
生产 ML 的核心 MLOps 指南
照片由上拍摄/wp:image在本文中,我们将研究独立于任何工具的核心 MLOps 指南,以设计强大且可扩展的生产 ML 系统和架构:/wp:list让我们首先研究自动化(操作化)的基础。原创 2024-09-29 00:00:00 · 610 阅读 · 0 评论 -
如何在AI初创公司应对幻觉
在我的行业中,使用大型语言模型在幻觉方面带来了许多挑战。想象一下,一个人工智能误读发票金额为 100,000 美元而不是 1,000 美元,导致多付了 100 倍。面对这样的风险,预防幻觉成为构建强大人工智能解决方案的关键方面。这些是我在设计可能容易产生幻觉的解决方案时关注的一些关键原则。原创 2024-09-28 00:00:00 · 778 阅读 · 0 评论 -
RAG 的 5 个实际挑战及其缓解思路
为寻求克服生产环境中 RAG 挑战的从业者提供可行的见解和实用工具!/wp:image在将检索增强生成 (RAG) 集成到生产系统的过程中,我遇到了一些在原型设计阶段并不总是立即可见的挑战。RAG 将生成模型与检索机制相结合以访问外部知识,在提高语言模型的质量和事实准确性方面具有巨大的潜力。然而,将 RAG 投入生产会带来一系列独特的复杂性。在这里,我将深入探讨五个关键挑战,并根据我的发现和实践经验提供实用的解决方案。原创 2024-09-28 00:00:00 · 1078 阅读 · 0 评论 -
大型语言模型实用指南
我们为用户的 NLP 应用构建了一个选择 LLM 或微调模型的决策流程~\protect\footnotemark。该决策流程可帮助用户评估其手头的下游 NLP 应用是否满足特定条件,并根据该评估确定 LLM 或微调模型是否是其应用的最合适选择。一份精选的(仍在积极更新)LLM 实用指南资源列表。它们还构建了现代大型语言模型 (LLM) 的进化树,以追踪近年来语言模型的发展,并重点介绍了一些最著名的模型。LLM 的使用限制(例如用于商业和研究目的)Chowdhery 等人。Soltan 等人。原创 2024-09-24 00:00:00 · 1103 阅读 · 0 评论 -
理解生成式人工智能的综合指南
生成式人工智能是一种先进的技术,能够以文本、语音、视觉效果甚至合成数据的形式生成内容。它利用深度学习模型和大型语言模型来着手创作新颖内容。wp:quote其(生成式人工智能)性能将与排名前 25% 的人相媲美,在 2040 年之前完成所有任务。——麦肯锡/wp:quote生成式人工智能已成为世界轰动的焦点,人工智能的迈克尔·乔丹接连得分。它绝对不仅限于情境对话,还包括量身定制的建议、直观的解决方案等等。其应用广泛分布于从高科技到农业和消费品等各个行业。原创 2024-09-24 00:00:00 · 1558 阅读 · 0 评论 -
WebGPU 的一些小故事
2013 年,原创 2024-09-21 00:00:00 · 1490 阅读 · 0 评论 -
WebGPU 3D 针对商业应用的研发推进心得
在过去的几年中,我们一直在为 WebGPU 编写新版本的 Babylon.js 引擎。随着下一代 Web 3D 迈出第一步,人们的兴奋感与日俱增,WebGPU。在这篇博文中,我将简要介绍这个新的 Babylon.js WebGPU 引擎,并介绍它可以为 Web 上的 3D Commerce 体验带来的一些性能改进。(使用启用 WebGPU 标志的 Edge/Chrome Canary)/wp:image旅程始于 2019 年,首次尝试了 Render Bundle。原创 2024-09-21 00:00:00 · 1232 阅读 · 0 评论 -
AGI 是不可能的吗?还是可能的思考
随着人工智能越来越受欢迎,有关人工智能的谎言和错误信息也越来越多。市值数万亿美元的公司的首席执行官经常散布虚假信息,而这些虚假信息被记者懒惰地当作事实兜售。这些谎言传遍了各级大众媒体,造成了人们对人工智能的完全扭曲的看法。真是一团糟。在本文中,我将根据自己在多家 AI 相关公司担任首席开发人员、联合创始人和董事的经验提供自己的看法。我们将讨论 AI 中最常被提及的话题之一:AGI,即“通用人工智能”。人工智能很快就会比你聪明吗?剧透:可能不会。原创 2024-09-22 00:00:00 · 653 阅读 · 0 评论 -
AI带给研发人员的危险和机遇的思考
但很快开源就出现了,改变了一切。起初它只是极客们的工具和想法,但后来它证明了自己是一种明智的软件开发方法。云主要在 Linux 上运行,Android 在数字上优于 iOS,而很大一部分网络是基于 WordPress 的。对我来说,开源和知识共享是有意义的。我不想成为唯一一个了解和编辑软件的人。我希望其他人能够看到我的作品,检查它,并在我不再有时间或灵感继续这个项目时接手。开源让成千上万的开发人员得以开始他们的职业生涯。作为一名首席开发人员,这意味着我不必寻找新员工,而是可以从项目内部聘请他们。原创 2024-09-18 14:58:36 · 1379 阅读 · 0 评论 -
OpenAI 为何从 Next.js 转向 Remix
通过使用 Remix 的加载器,OpenAI 可确保初始页面加载更快、更流畅,因为所有必需的数据都是预先获取的,并只需一步即可交付。与将完整格式的 HTML 从服务器传输到浏览器的传统服务器渲染设置不同,OpenAI 的方法以客户端渲染为中心。不过,值得注意的是,他们没有使用 Remix 的其他一些功能,例如处理表单提交和服务器端功能的操作。希望我们能从 OpenAI 那里听到更多关于这一转变的消息,但根据我的探索,Remix 显然更适合他们的目标,即通过强大的路由和数据管理实现快速的客户端渲染交互。原创 2024-09-21 00:00:00 · 505 阅读 · 0 评论 -
OpenAI 可能即将戳破人工智能泡沫
不仅如此,随着训练数据集的增长,人工智能训练(人工智能处理上述数据)的成本也会呈指数级增长,因为两倍大的训练数据集将需要大约四倍的能量来训练人工智能。同样,The Information 的一项调查发现,OpenAI 在 AI 培训上花费了超过 70 亿美元,在人员配备上花费了 15 亿美元,而其主要产品 ChatGPT 的日常运营成本超过 70 万美元。因此,即使在他们目前的情况下,凭借仅能偶尔使用的 AI 工具,他们的收入也不足以接近收支平衡。简而言之,人工智能泡沫已经存在,而且很快就会破裂。原创 2024-09-20 00:00:00 · 710 阅读 · 0 评论 -
GPT 闲聊 16 - 创建自己的大型语言模型的分步指南
wp:image大型语言模型 (LLM) 是一种先进的 AI 系统,它通过使用复杂的神经网络(例如 Transformer)处理大量数据来生成类似人类的文本。它们可以创建内容、翻译语言、回答问题和参与对话,因此在客户服务和数据分析等各个行业中都具有重要价值。自回归 LLM根据前面的单词预测句子中的下一个单词,这使其成为文本生成等任务的理想选择。自动编码 LLM专注于编码和重建文本,擅长情感分析和信息检索等任务。混合大语言模型(LLM)结合了两种方法的优势,为复杂的应用提供了多种解决方案。原创 2024-09-18 14:46:53 · 776 阅读 · 0 评论 -
GTP 闲聊 15 - 无人预测的人工智能的未来
wp:image2022 年 11 月 20 日,随着 ChatGPT 的发布,全球关于技术的讨论发生了根本性变化。公众对人工智能的能力和可能性的敬畏之情在发布后立即开始,从博主到新闻媒体,每个人都试图预测这些技术的后果。就像今天互联网上的大多数话题一样,从疫苗安全性到口罩在阻止呼吸道病毒方面的有效性,再到与人相处还是与熊相处更安全,这些讨论迅速将公众舆论分成了两派:一派是“”,他们过去和对人工智能的潜力“赞不绝口”,另一派是“”,他们认为人工智能将成为人类末日衰落的种子。原创 2024-09-18 14:39:16 · 1046 阅读 · 0 评论 -
GPT 闲聊 14 - 战略思路链 (SCoT)
随着 LLM 的发展,我相信虽然 CoT 仍然简单透明,但管理日益复杂的提示和多推理架构将需要更复杂的工具和对以数据为中心的方法的高度关注。随着基于 LLM 的应用程序变得越来越复杂,它们的底层流程必须在某个地方得到容纳,最好是一个可以处理不断增长的功能和复杂性的弹性平台。CoT 通过将较大的任务分解为较小的、可管理的步骤来模仿人类解决问题的方式,从而使模型能够更精确地关注每个部分。有趣的是,即使推理步骤本身并不完全准确,LLM 仍然可以表现得出奇的好,这表明推理结构的影响力有多大。原创 2024-09-18 14:31:18 · 415 阅读 · 0 评论 -
GPT 闲聊 13 - 大型动作模型 (LAM) 的出现及其对 AI 代理的影响
正如我过去提到的,由大型语言模型(LLM)驱动的最近成为研究的重点,推动了和等概念的发展。然而,根据Salesforce AI Research 的研究,开源社区在构建专门针对这些任务的模型方面仍然面临重大挑战。一个主要的障碍是缺乏高质量的、特定于代理的数据集,再加上缺乏标准化的协议,这使得开发过程变得复杂。为了弥补这一差距,Salesforce 的研究人员推出了,这是一系列专为 AI 代理任务设计的xLAM 系列包含五种模型,其架构范围从密集到混合专家,参数大小从 10 亿开始。原创 2024-09-18 14:28:51 · 1005 阅读 · 0 评论 -
GPT 闲聊 12 -如何成名一名LLM开发工程师
该聊天机器人允许用户通过 WhatsApp 发送 YouTube 视频 URL,它会返回视频内容的摘要版本。接收 YouTube URL。验证 URL 是否正确。检索视频的记录使用LLM来分析和总结视频内容。将摘要发送回给用户。原创 2024-09-18 14:24:37 · 985 阅读 · 0 评论 -
GPT 闲聊 11 - OpenAI 的全新“推理”人工智能模型问世
神秘的 Strawberry 最终在精选的数据集上与 GPT4 对齐,其中不仅存在问题和解决方案,而且还有解决问题的推理。因此,它是其前身的更好版本,当然是一个有趣的模型,但它也不会取代人类(当我要求它解决编码问题时,它会继续让我感到沮丧)。显然,这个模型就是著名的草莓模型。“从根本上说,这是一种新的模型模式,能够解决真正困难的问题,从而达到类似人类的智能水平。根据我的经验,这种模型速度较慢,而且似乎做了很多不必要的步骤(你看不到推理的中间体,尽管它确实宣布它正在做某事,就好像它是一个老式的加载栏一样)。原创 2024-09-19 00:00:00 · 1578 阅读 · 0 评论 -
增强大型语言模型:图形推理和指令调整之旅
最近的研究表明,LLM 对图的理解很少,并且在图推理方面也不出色。因此,该模型在一组任务上进行训练,但随后也会在它从未见过的任务上进行测试,并且只有在图理解训练期间获得才能解决。随着知识图谱和 LLM 之间的这种协同作用越来越紧密,应该在训练数据集中添加更多图数据的比例,从而培养更好的图推理能力。此外,当使用中间步骤训练模型时,可以产生正确的推理(不仅是正确的答案,而且是正确的中间步骤)。据作者介绍,当不提供这些推理步骤时,模型只能获得对图数据的浅显理解,但无法产生正确的推理或对过程的解释。原创 2024-09-18 00:00:00 · 1126 阅读 · 0 评论 -
迄今为止最好的 RAG 堆栈
他们训练了一个二元分类器来区分任务,将不需要检索的标记为“足够”,将需要检索的标记为“不足”。重新打包优化了在重新排序过程发生后向 LLM 呈现信息以供生成的方式,以帮助 LLM 以更好的顺序(而不是理论上的相关顺序)更好地理解所提供的信息。让我们来看看最好的组件以及它们的工作原理,这样您也可以让您的 RAG 系统成为顶级系统,并获得多模态奖励。”,其中充满了 RAG 和微调见解、技巧和实际示例,可帮助您构建和改进基于 LLM 的系统。它是开源的、可靠的,是让您的检索系统顺利运行的绝佳选择。原创 2024-09-19 00:00:00 · 1297 阅读 · 0 评论 -
OpenAI 的 o1 与 GPT-4o:深入探究 AI 的推理革命
wp:image在不断发展的人工智能领域,OpenAI 再次凭借其最新产品突破界限:o1 模型和 GPT-4o。作为一名几十年来一直报道科技的人,我见过不少伪装成革命的增量更新。但这个?这不一样。让我们拨开炒作的迷雾,看看这些新模型到底带来了什么。原创 2024-09-19 00:00:00 · 571 阅读 · 0 评论 -
残疾、无障碍和人工智能
NaNoWriMo组织者发表声明称他们批准人们在今年的活动中使用生成式人工智能(如 LLM 聊天机器人)后发生的争吵。wp:quote“比如,艺术往往是唯一一个可以克服残疾人身心与世界不相适应的地方,无需依赖健全人的慷慨或被迫亲密。说我们需要人工智能的帮助就是无视这一切。” - Johnathan Flowers 博士,2024 年 9 月 4 日/wp:quote弗劳尔斯博士认为,组织者特别指出这一决定是为了让残疾人和边缘群体有机会参与艺术活动,其实是在低估这些群体的创造力和参与艺术的能力。原创 2024-09-17 10:05:08 · 1103 阅读 · 0 评论 -
AI如何在各个行业和职业中创造历史上最大的生产力飞跃
作者使用 GPT-4 创建的图像/wp:image。原创 2024-09-17 10:03:36 · 613 阅读 · 0 评论 -
从语法到语义:代码如何将 LLM 转化为更好的模型
作者首先比较了不同的模型初始化:文本 LM(仅使用文本训练的模型)、平衡 LLM(使用 50% 文本和 50% 代码训练的模型)、平衡初始化文本 LM(首先是平衡系统,然后是纯文本)和代码初始化文本 LM(使用代码(80% 代码数据和 20% 标记样式代码数据)进行预训练,然后是文本)。最后,我们意识到影响性能的不仅仅是数据的数量,数据的质量也很重要。作者使用高质量的文本数据集(SlimPajama),并清除其中的代码和代码相邻的数据源(例如 StackExchange),以便他们可以决定添加多少代码。原创 2024-09-18 00:00:00 · 896 阅读 · 0 评论 -
DeepMind 的 AlphaProteo:利用机器学习彻底改变蛋白质设计
细胞中的蛋白质与数十种不同的伙伴相互作用,这些相互作用会改变它们的功能,当失调时,会导致病理(从癌症到自身免疫性疾病)。(PDB)中的大量蛋白质数据和 AlphaFold 中的 1 亿多条预测结构的训练,已经了解了分子相互结合的无数种方式。给定目标分子的结构和该分子上的一组首选结合位置,AlphaProteo 会生成一个候选蛋白质,该蛋白质在这些位置与目标结合。例如,关节蛋白是在实验室中创建的另一种蛋白质,将其注射到患者体内,以非常精确地阻断导致疾病的蛋白质(例如,用抗体。原创 2024-09-18 00:00:00 · 814 阅读 · 0 评论 -
混合RAG的优势
结合 VectorRAG 和 GraphRAG 的优势,增强 LLM 获取和利用最新外部信息的能力/wp:image大型语言模型 (LLM) 彻底改变了自然语言处理,但它们往往难以为复杂问题提供准确而全面的答案。主要挑战之一是从外部文档(尤其是非结构化文本)中检索相关信息。这种限制可能导致不准确或不完整的响应。HybridRAG 通过结合 VectorRAG 和 GraphRAG 两种方法的优势来解决这些挑战。这种混合方法增强了信息提取、改进了响应生成,并提供了更准确、更全面的答案。原创 2024-09-17 00:00:00 · 854 阅读 · 0 评论 -
OpenAI 的 Strawberry 来了
我们原本热切地等待着 GPT 5 的发布,结果却得到了另一种模型。OpenAI 推出了其新的“”系列,包括 o1 和 o1-mini 模型,旨在提高解决问题的能力。它之所以不是 GPT 5,可能是因为它没有在更大规模的数据上进行训练,而且可能与 GPT 4 和 OpenAI 的其他模型具有不同的架构。因此,在今天的博客中,我们将看到这个新模型的情况,它声称在架构变化的情况下具有更好的推理能力。照片由在/wp:image。原创 2024-09-15 00:00:00 · 1057 阅读 · 0 评论 -
嵌入:AI 和 ML 的基石
想象一下,你正在尝试教计算机理解世界。嵌入就像一个特殊的翻译器,可以将这些东西转换成数字代码。不过,这种代码并不是随机的,因为相似的单词或项目最终会得到彼此接近的代码。它就像一张地图,具有相似含义的单词聚集在一起。考虑到这一点,更理论化的定义是,嵌入是连续向量空间中编码为向量的对象的密集数值表示,例如推荐系统中的单词、图像或项目。这种转换有助于捕捉对象之间的语义含义和关系。例如,在自然语言处理 (NLP) 中,嵌入将单词转换为向量,其中语义相似的单词在向量空间中紧密排列在一起。图 1 — 什么是嵌入。原创 2024-09-14 14:20:10 · 1041 阅读 · 0 评论 -
Kotaemon 揭秘:RAG 文档 QA 框架的创新
GraphRAG是一种结构化的分层 RAG 方法,与依赖纯文本片段或简单文本分块的简单方法形成鲜明对比。该过程包括从原始文本中提取知识图谱、构建社区层次结构、为这些社区生成摘要,并在执行基于 RAG 的任务时利用这些结构。wp:heading。原创 2024-09-14 14:17:12 · 1330 阅读 · 0 评论 -
AI 的法律文件 RAG
规风险的识别、管理和监控。法律文件还有一个非常具体的结构化检索步骤,该步骤也必须始终在法律文件的上下文中进行,即定义页面,其中每个特定的重要术语都有一个非常具体的变量或固定定义,这些变量或定义可能会根据文档的性质而变化。在此笔记本和示例中,我们想要展示如何轻松创建法律文件中条款的文档层次结构图、法律文件中定义的图表,以及多图多代理递归检索过程,该过程通过智能地浏览文档层次结构图和定义图来回答问题,以获得针对其提出的问题的完整上下文。然后,我们分析文档中的链接,以确定可在词汇图中建模的提取元素之间的连接。原创 2024-09-14 14:26:54 · 924 阅读 · 0 评论 -
透视世界上最大的人工智能超级计算机
来源:作者使用 Flux 生成 AI 图像/wp:image埃隆·马斯克刚刚宣布,xAI 终于连接了他们的,这是一台拥有 100,000 个安装基数的 NVIDIA H100 GPU 加速计算机。世界上迄今为止最大的人工智能计算机(甚至没有什么接近它)拥有一些人们所能想象的最惊人的数字,并帮助我们想象下一代模型将会有多大。我告诉你,它们非常巨大!原创 2024-09-16 00:00:00 · 1333 阅读 · 0 评论 -
科技未能从好莱坞学到什么
科技是 2024 年的大英帝国。在巅峰时期,大英帝国覆盖了地球陆地面积的约 25%。在 2021 年的巅峰时期,科技正掀起一股令人振奋的经济浪潮,我们决定需要科技干预 100% 的时代精神。剃须刀、植物、姿势等科技。你能想到的,科技的肮脏小手都触及了。在科技领域(部分是现实,部分是应对),我们需要思考,我们正在通过一块块可怜的模拟砖块让世界变得更美好。否则,我们在做什么?如果这些创新不能把原本糟糕的事物变成更容易、更好、更令人愉快的事物,那还有什么意义呢?(而且,作为奖励,还能带来更多利润?为什么不呢。原创 2024-09-17 00:00:00 · 740 阅读 · 0 评论 -
先进的 RAG 技术
检索增强生成 (RAG) 是一种自然语言处理框架,它通过将外部数据检索与文本生成相结合来增强大型语言模型 (LLM)。它从外部来源/数据库/自定义来源检索相关信息,以提高响应准确性和相关性,缓解生成内容中的错误信息和过时知识等问题。因此,RAG 基本上通过提供/附加的数据源提供与上下文相关的响应来减少 LLM 幻觉。原创 2024-09-16 00:00:00 · 1413 阅读 · 0 评论 -
Reflection 70B:先思考后说话的人工智能
随着我们继续将人工智能融入生活的更多方面,像 Reflection 70B 这样的模型让我们看到了未来的景象:我们的数字助理不仅聪明,而且睿智。“Reflection 70B 如何减少 AI 幻觉”、“自我修正 AI 模型的应用”、“为开发人员开源大型语言模型”、“提高 AI 在科学研究中的准确性”、“AI 在法律文件分析中的未来”答:是的,它是开源的,可在 Hugging Face 上下载,或通过 HyperWrite 与 Hyperbolic Labs 的合作伙伴关系通过 API 访问。原创 2024-09-15 00:00:00 · 924 阅读 · 0 评论 -
AI 自动化提示工程:权威实用指南
我们可以将相同的原则应用于 APE,但我们首先需要解决的事实是,提示是一种不同类型的超参数,因为它是基于文本的。但是,如果我们有一个永不疲倦的工具,能够生成无数各种风格的提示,同时不断改进它们,那会怎样?不过,在使用 APE 之前,让我们尝试另一种提示,使用一种已被证明对 LLM 非常有效的技术,尽管对原始提示只有很小的改动:思路链 (CoT) 推理。正如我们现在所看到的,设计有效的提示可以显著影响 LLM 的表现,但手动调整和试验的过程可能非常耗时,而且难以扩展。我的意思是,谁会想出这样的提示。原创 2024-09-14 00:00:00 · 1032 阅读 · 0 评论 -
Agentic AI:构建技术研究代理
我将保持这篇文章的非技术性,并更多地关注如何使用 Flowise 与代理合作,因此如果您不太懂技术,您仍然应该能够跟着我构建代理。这里的关键是关注使用自然语言构建工作流与以编程方式构建工作流有何不同。但是,您需要下载 GitHub 存储库Flowise来运行我们正在构建的工作流程。总共需要大约 5 分钟才能启动并运行,为此,我们正在使用 OpenAI 的模型,因此您需要一个 API 密钥和至少价值 0.5 美元的代币。您可以选择其他模型。原创 2024-09-13 14:31:37 · 953 阅读 · 0 评论