文章列表-AI魔法学院

文章列表

AI Agent新对决：LangGraph与AutoGen的技术角力

以上是官方通过LangGraph来实现的RAG应用，通过上图，我们可以更加直观的了解到LangGraph的几个基本概念： ●StateGraph：图形的类

LangGraph AutoGen 对决

2024！深入了解大语言模型（LLM）微调方法（总结）

检索增强RAG 说到模型微调，这里就必须要提一下检索增强RAG了。

大模型微调

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

在RAG应用中，用户的查询或者提问，会被用于向量存储查询，以获得最相似的信息片段。

LLMLingua LlamaIndex 开源框架

收藏！万字长文聊聊LLM Agents的现状，问题与未来

2.1 RAG：知识，记忆与技能库 2.1.1 RAG简介 RAG应该是大家耳熟能详的技术。

LLM Agents

大模型微调方法总结

Adapter Fusion 在 Adapter 的基础上进行优化，通过将学习过程分为两阶段来提升下游任务表现。

开源模型

XX来信：智能体设计模式2：Reflection

在“JavaScript RAG web Apps with LlamaIndex”课程中学习使用RAG构建全栈web应用程序，该课程由LlamaIndex

Reflection 智能体

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

在以往大模型开发中，应用核心开发重点在于prompt engineering，这多见于一些RAG应用，也就是整个过程围绕如何精心构造Prompt，再利用Prompt诱导大模型生成一个好的答案，而这一过程往往是单次的

LLM 范式迁移

基于大模型（LLM）的Agent 应用开发

目前，业界一般认为基于大模型的应用集中在两个方向上：RAG 和 Agent，无论哪一种应用，设计、实现和优化能够充分利用大模型(LLM)潜力的应用都需要大量的努力和专业知识。

大模型 Agent

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

结合LlamaIndex使用Timescale Vector的实例尝试PostgreSQL的原因最近两周我和小明在研究基于大模型的检索应用RAG

大模型 PostgreSQL

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

目前，为特定应用程序定制模型需要采用微调或检索增强生成（RAG）等技术。

大模型上下文

QWen1.5: 卓越模型之路

对 Qwen Base 和 Chat 模型在一系列基础及扩展能力上进行了详尽评估，包括如语言理解、代码、推理等在内的基础能力，多语言能力，人类偏好对齐能力，智能体能力，检索增强生成能力（RAG）等，对比对象也增加了热门的

Qwen1.5 开源模型

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

RAG 三件套：检索、排序、生成全能选手 MiniCPM 3.0 同时发布了 RAG（检索增强生成）三件套：MiniCPM-Embedding（检索）、MiniCPM-Reranker

MiniCPM3-4B 大模型

超越Claude-2.1和GPT-3.5-Turbo，Qwen1.5还藏了哪些黑科技？32K Tokens上下文支持只是开胃菜！

比如，RAG这种新热门任务，就能帮大语言模型避免“胡思乱想”、获取不到最新或私密信息等尴尬。

Qwen1.5 开源模型

0基础！动手部署Qwen1.5-MoE模型！能力如何？API接入fastgpt等任何应用！喂饭到嘴教程，附模型下载！

【宣发】教育领域大模型+RAG系统实践项目！

Qwen1.5-MoE 大模型下载

一文汇总大语言模型LLM所有prompt提示词框架的论文出处

2303.09014 - ReAct：https://arxiv.org/abs/2210.03629 - Reflection（反思）：https://arxiv.org/abs/2303.11366 - RAG

prompt 提示词

<1 2 3 4 567 8 9 >

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

© 2023-2025 AI魔法学院

京ICP备20027199号-1