评估大型语言模型（LLM）对知识工作者的影响
原文：https://www.hbs.edu/ris/Publication%20Files/24-013_d9b45b68-9e74-42d6-a1c6-c72fb70c7282.pdf 本文旨在探讨人工智能对知识工作者生产力和质量的影响，通过实地实验得出结论。研究团队包括来自哈...
AI知识 第5页
ReAct: 大语言模型中推理和行动协同工作
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...
如何唤醒agent
唤醒智能体的方法有很多，你却不知道如何有效唤起智能体各类能力，其实只需要一个合适的指令...
RAG：检索增强
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...
Proposition Retrieval：命题检索
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，...
一种新的 Prompt 方法——“类推提示法”（Analogical Prompting）
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），...
吴恩达提出四类智能体：AI 智能体工作流引领人工智能新趋势
原文：Generally Capable Agents in Open-Ended Worlds [S62816] 1. 反思型智能体 能对自己生成的代码或内容进行检查和修改,不断迭代优化 通过自我反思和修正,可以生成质量更高的结果 是一种稳健有效的技...
BoT：强化思考:用大型语言模型解决试错问题
摘要 大型语言模型（LLMs）在广泛问题上的推理性能严重依赖于链式思维提示，这涉及在提示中提供一些链式思维示范作为示例。最近的研究表明，例如思维树，已经指出了探索和自我评估在复杂问题解决中的推理...
从神经网络到 Hugging Face——神经网络和深度学习简史
TL;DR 本文8200+字，全文阅读约需15分钟。本文简要回顾了从感知机到深度学习最新大模型应用 ChatGPT 的历史。 原文：https://hutusi.com/articles/the-history-of-neural-networks 生活中没有什么可怕的东西，只...
AlphaCodium：引领代码生成新境界，从提示工程到流程工程
原文：[State-of-the-art Code Generation with AlphaCodium – From Prompt Engineering to Flow Engineering] 作者：Tal Ridnik 概览 代码生成的难题与普通的自然语言处理不同 —— ...
Tokenization(分词标记化)
各位好，今天我们要探讨大型语言模型（LLM）中的分词技术。遗憾的是，分词在当前顶尖的LLM中是一个比较复杂且棘手的部分，但理解它的某些细节非常必要，因为很多人将LLM的一些缺点归咎于神经网络或其他显得神秘的...