文章列表-AI魔法学院

文章列表

Agent：OpenAI的下一步，亚马逊云科技站在第5层

我们知道，在生成式AI爆发之后，向量数据库也实在火爆不已。

开源模型

RAG与Long-Context之争—没必要争

RAG的本质是通过用户问题从数据库/知识库中找到相关片段内容，再利用大模型查找或总结出答案。

RAG Long-Context 大模型

取代 Vue 和 React？25 年码龄程序员不满 Web 现状创建新框架 Nue JS，能将代码量减少 10 倍！

据悉，Nue 源自德语单词 neue，与英语中的“new”同义。

开源模型

Docker介绍及常用命令大全

也就是说，镜像是一个特殊的文件系统，除了提供容器运行时所需的程序、库、资源、配置等文件外，还包含了一些为运行时准备的一些配置参数(如匿名卷、环境变量、用户等)。

Docker 容器

基于Ollama本地部署Llama3指南！

众所周知，扎克伯格的Meta又开源了Llama3 8B和70B的预训练（pretrained）和指令微调（instruction-tuned）两个版本，还有个更大的400B参数预计在今年夏天发布，这个400B

LLama3 ollama

换脸软件 FaceFusion 保姆级教程

在制作定制数字人时，有时候为了不侵权，会使用换脸软件将原素材的脸型进行替换，今天一个客户就提出了这样的需求，所以，这里我使用 FaceFusuion 这款软件来进行操作。

FaceFusion 教程

Langchain中改进RAG能力的3种常用的扩展查询方法

使用扩展后的查询将从向量数据库中获取更多相关文档。

检索增强生成 Langchain

「Agent」通俗易懂地聊聊AI Agent（附66个开源+44个闭源Agent项目）

，旨在使非程序员更容易进行数据探索和分析。

大模型

LLM应用架构之检索增强（RAG）的缘起与架构介绍

从架构图上可以看到，除了LLM，编排服务外，向量数据库十分重要，它不仅保存了从领域知识库中导入的被embedding的领域知识外，还存储着用户与大模型对话的信息，被称作memory。

LLM

Gartner：2024年人工智能渗透的十大战略技术趋势

AI TRiSM 为模型运营、主动数据保护、AI 特定安全性、模型监控（包括监控数据漂移、模型漂移和/或意外结果）以及第三方模型和应用程序的输入和输出的风险控制提供工具。

Gartner 人工智能

手把手教你认识学会LangChain

数据增强的生成，数据增强生成涉及特定类型的链，它首先与外部数据源交互以获取数据用于生成步骤。

langchain

一文看懂RAG：大语言模型落地应用的未来

处理大量和多样化的数据：RAG可以处理和理解庞大的数据集，如维基百科或其他专业数据库。

rag 检索增强

WSL2安装（详细过程）

learn.microsoft.com/en-us/windows/wsl/about 适用于 Linux 的 windows 子系统允许开发人员直接在 Windows 上运行 GNU/Linux 环境 -- 包括大多数命令行工具

虚拟化 docker

大模型检索增强生成RAG的优化

此外，还可对query召回的文档块集合进行处理，比如：元数据过滤[7]、重排序减少文档块数量[2]。

RAG 检索增强大模型

9个范例带你入门langchain

5，数据库问答(Querying Tabular Data): 从数据库/类数据库内容中抽取数据信息。

大模型

<...22 23 24 252627 28 29 30 31 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2024 AI魔法学院

京ICP备20027199号-1