AI知识

基本概念 在信息技术领域，检索 (Retrieval) 指的是从一个大型数据集（通常是文档、网页、图像、音频、视频或其他形式的信息）中，根据用户的查询或需求，高效地定位和提取相关信息的过程。 其核心目标是找到与用...

《Agent AI: Surveying the Horizons of Multimodal Interaction》 原文：https://ar5iv.labs.arxiv.org/html/2401.03568   摘要 多模态 AI 系统很可能在我们日常生活中无处不在。使这些系统更具交互性的一...

GraphReader:基于图的智能体，增强大型语言模型的长文本处理能力 图解专家：像个善于制作思维导图的导师，将冗长的文本转化为清晰的知识网络，让AI能够像沿着地图探索一样，轻松找到答案需要的各个关键点，有效克...

比RAG(检索增强生成)快40倍的CAG(缓存增强生成)。CAG彻底改变了知识获取方式：不再是实时检索外部数据，而是预先将所有知识加载到模型上下文中。这就像是把一个巨大的图书馆浓缩成了一本随身携带的工具书，需要时...

作者：Julia Wiesinger，Patrick Marlow和 Vladimir Vuskovic 原文：https://www.kaggle.com/whitepaper-agents   目录 简介 什么是智能体？ 模型 工具 编排层 智能体与模型 认知架构：智能体如何运作 工具...

检索增强生成（Retrieval Augmented Generation，RAG）正在成为大语言模型（LLM）和向量数据库最受欢迎的应用之一。RAG 是通过从向量数据库（例如 Weaviate）检索的上下文增强对大语言模型输入的过程。RAG 应用通...

o3 来了，分享一些个人的浅见。关于 Test-time Scaling Law 的进展，比我们想象中的要快得多。但我想说的是，这条路其实有些曲折——它是 OpenAI 在追求 AGI 的道路上，采取的曲线救国之策。 强化学习与捷径思维 为...

向量Embedding是目前检索增强生成（RAG）应用程序的核心。它们捕获数据对象（如文本，图像等）的语义信息，并以数字数组表示。在时下的生成式AI应用中，这些向量Embedding通常由Embedding模型生成。如何为RAG应用...

前言 在过去两年中，检索增强生成（RAG，Retrieval-Augmented Generation）技术逐渐成为提升智能体的核心组成部分。通过结合检索与生成的双重能力，RAG能够引入外部知识，从而为大模型在复杂场景中的应用提供更多...

Agent 目前我见到的最多的翻译是“智能体”，但是直译是“代理”。 那 Agentic 又要翻译成什么呢？我感觉“代理型”这样的词更合适。 所以为了不让读者混淆，我在本文直接用英文表示。   随着 LLM 的发展，AI 的能...