AI知识 第10页

又称：思维链 Chain-of-Thought的定义和原理 "Chain-of-Thought"（简称CoT）是一种思维方法，其原理是建立一个由一系列关联的思考步骤组成的思考链。该方法通过将思考过程分解成一系列有序的步骤，帮助人们更系统...

曾几何时，与AI对话是一场冒险。而今，通过掌握关键术语和命令，您将轻松驾驭AI，让对话变得生动而富有成效。   1. 学习术语是掌握AI能力的第一步，就像学习一门新语言的基本词汇一样重要,特别是ChatGPT。 2...

摘要: 本文介绍了一系列新的基础模型，称为 Llama 3。Llama 3 是一个语言模型群体，天生支持多语言、代码编写、推理和工具使用。我们最大的模型是一个具有 4050 亿个参数和高达 128,000 个标记的上下文窗口的密集...

检索增强生成（RAG）是生成式 AI （GenAI）中的一类应用，支持使用自己的数据来增强 LLM 模型（如 ChatGPT）的知识。 RAG 通常会用到三种不同的AI模型，即 Embedding 模型、Rerankear模型以及大语言模型。本文将...

  Transformer 是一种用于自然语言处理 (NLP) 的深度学习模型架构, 由 Vaswani 等人在 2017 年提出. 它主要用于处理序列到序列的任务, 如机器翻译, 文本生成等. 简单来讲, 文本生成的 Transformer 模型的原...

声明：虽然基础的提示技巧（如零样本/少样本示例或指令式提示）非常高效，但面对一些复杂难题（如数学/编程或需要多步骤逻辑推理的问题）时，更复杂的提示可能更为有效。由于大型语言模型（LLM）在处理这类问题时...

标题：Agent AI Towards a Holistic Intelligence 作者：Qiuyuan Huang, Naoki Wake, Bidipta Sarkar, Zane Durante, Ran Gong, Rohan Taori, Yusuke Noda, Demetri Terzopoulos, Noboru Kuno, Ade Famoti, Ashle...

论文地址：https://arxiv.org/abs/2404.17723   知识图谱只能有针对的抽取实体关系，这类可稳定抽取的实体关系可以理解为接近结构化数据。   图1展示了一种结合了知识图谱（KG）和检索增强生成（RAG）...

下面主要介绍了提示工程的基本理念，及其如何提升大型语言模型(LLM)的性能... LLM的接口：大型语言模型如此火热的一个重要原因就是其文本到文本的接口实现了极简的操作体验。在过去，利用深度学习解决任务通常需...

开源地址：https://github.com/cpacker/MemGPT 论文地址：https://arxiv.org/abs/2310.08560 官网：https://memgpt.ai/   MemGPT 支持： 1. 长期记忆或状态的管理 2. 基于 RAG 的技术链接外部的数据源 3. 定...

研究人员研究了一种“越狱攻击”技术——这种方法可以被用来绕过大语言模型 (LLM) 开发者设置的安全护栏。这项技术被称为“多样本越狱攻击”，在 Anthropic 自身模型以及其他 AI 公司生产的模型上都有效。研究人员事先...

原文：https://arxiv.org/pdf/2210.03629.pdf 看完也无法理解ReAct如何运作和应用？请看《ReAct实现逻辑实操》，用实际案例进行讲解。   摘要   虽然大型语言模型(llm)在语言理解和交互式决策的任务中...

RAG（Retrieve Augmented Generation，检索增强生成）是一种以权威知识库资讯为基础来优化大型语言模型（LLMs）输出的技术。这项技术通过扩展LLMs的功能，使其在生成回答时能参考特定领域或组织的内部知识库，以...

原文：《Dense X Retrieval: What Retrieval Granularity Should We Use?》 注：此方法适合少部分模型，如OPENAI系列，Claude系列、Mixtral、Yi、qwen等。   摘要 在开放领域的自然语言处理（NLP）任务中，...

今天读了一篇有意思的论文《Large Language Models as Analogical Reasoners 》，提到了一种新的 Prompt 方法——“类推提示法。   如果你对提示工程熟悉的话，一定听说过“思维链”（CoT，Chain of Thought），...