文章列表-AI魔法学院

文章列表

大模型在金融行业的应用场景

目前已有的大模型知识库基本上都采用 RAG 的方案构建，但是数据源多样（流程规范、产品材料、规章制度等），数据格式繁杂（文字、表格、公式、图片等），针对不同的数据都需要业务上进行单独处理

大模型金融应用

将任意文本转换为知识图谱

这是检索增强生成（RAG）的新改进版本，我们使用矢量数据库作为检索器来与我们的文档聊天。

知识图谱转换文本

宁德核电推出全球参数量最大的核工业大模型｜InfoQ 独家

RAG 系统 2.

宁德核电大模型

面向知识图谱的大模型应用

为了应对这一挑战，RAG 将 LLM 的优势与可扩展的外部知识源(如知识图谱)检索结合了起来，不再尝试静态地编码模型中的所有信息，而是允许根据需要动态地从知识图谱中查询必要的上下文。

知识图谱大模型

性能超出预期！神秘的国产大模型 Kimi 开放 API

魔法哥最开始还以为这是通过 RAG 变通实现的，但后来发现是我格局小了。

Kimi Chat 大模型 API

prompt提示工程最佳实践课程笔记分享

· RAG (检索增强型生成器)：把大语言模型与能够智能检索信息的工具相连，而不是尝试将信息全部纳入上下文窗口。

prompt 提示词

9.4k Star！MemGPT：伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

代理变得简单： o • 长期记忆/状态管理 o • 与外部数据源（例如 PDF 文件）的连接，用于 RAG

MemGPT 大语言模型

最顶尖的大语言模型人才，只关心这10个挑战

对于检索增强生成（RAG，也是LLM行业应用方向的主要方法），上下文长度尤为重要。

大语言模型

大模型应用的10种架构模式

随着时间推移，记忆认知模式能够将关键事件总结并储存到一个向量数据库中，进一步丰富RAG系统。

大模型架构

如何修复GPT幻觉、及评估数据集的挑战

另一个有趣的方法是检索增强生成（RAG），它融合了大型语言模型中的检索和文本生成功能。

大模型

深度体验3天后，我把腾讯这款copilot锁进了程序坞

进入AI时代，大语言模型和RAG（检索增强生成）代替了原先的第一大脑，由AI来作为第二个大脑专门做信息的组织管理，因此无论我们输入了什么，都能顺畅的搜索出来。

copilot ima 知识库

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

第三，基于模型具备的超长上下文能力，构建向量数据库、RAG、Agent架构在内的全新开发者AI框架。

零一万物 YI 李开复

全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类

输入：3美元/百万token输出：15美元/百万token上下文长度：200K应用场景：- 数据处理：能够在海量知识库中进行快速检索或使用RAG（检索式生成）技术进行数据检索和处理。

claude 大模型

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

编写提取表格的文本内容的函数最后的整合处理写在前面随着大型语言模型(LLM)的应用不断发展，从简单的文本摘要和翻译，到基于情绪和财务报告主题预测股票表现，再到复杂的检索（如RAG

大语言模型 python

史上最好的中文大预言模型出现了！！！

通过对上下文的降采样或者RAG（检索增强的生成），只保留对部分输入的注意力机制。

Kimi Chat 大模型

<1 2 3 4 5 678 >

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