登录社区云，与社区用户共同成长
邀请您加入社区
文章摘要： 本文介绍了LangChain框架的核心设计理念与实战应用。LangChain旨在解决大模型应用开发中的重复性工作问题，通过标准化组件实现模块化开发。其架构围绕6大核心模块（模型交互、提示词、工作流、检索增强、智能体、记忆）展开，采用Runnable接口和LCEL表达式语言简化开发流程。文章重点解析了Model I/O层的设计，展示如何通过统一接口调用不同大模型（如GPT-4/Claud
机器学习正从实验室走向产业一线，成为解决实际问题的核心工具。本文分析了五大领域的典型应用：电商个性化推荐提升转化率30%；医疗影像诊断准确率达99%，效率提升80%；金融风控将坏账率降至1.8%；工业预测性维护降低停机时间30%；自动驾驶实现厘米级障碍识别。这些案例证明，机器学习的价值在于"数据+算法+场景"的深度融合，其本质是精准匹配行业痛点。随着技术进步，机器学习将持续拓展
本文我们将基于Dify智能体开发平台讲解目标检测小模型从训练到实际业务落地的全流程
文章详细解析了AI大模型训练中的四种主流并行计算策略：数据并行(DP)、流水线并行(PP)、张量并行(TP)和专家并行(EP)，以及ZeRO优化器。文章比较了各策略的优缺点，介绍了混合并行和3D并行在实际应用中的重要性，并讨论了不同并行策略对网络架构的要求。最后提到，借助DeepSpeed、Megatron-LM等成熟框架，开发者无需深究底层机制即可高效开展大模型训练。
该模型旨在解决化学图像理解与文本分析之间的不兼容问题，通过结合视觉 Transformer (ViT)、多层感知机 (MLP) 和大型语言模型 (LLM) 的优势，实现了对化学图像和文本的全面推理。可以看到模型针对图像准确描述了图像的内容是黄色的液氮罐，接着我们可以继续问它一个问题，比如我们输入「液氮的化学分子式是什么」。平台会自动选择合适的算力资源和镜像版本，这里使用的是英伟达 A100的算力和
大型语言模型（LLM）例如最近开发的 ChatGPT，可以撰写文件、创建可执行代码，并回答问题，常常具备类似人类的能力。随着这些系统越来越普遍，存在着它们可能被用于恶意目的的风险。这些风险包括利用社交媒体平台上的自动化机器人进行社会工程和选举操纵活动，制造假新闻和网络内容，以及使用 AI 系统在学术写作和编程任务中作弊。此外，网络上合成数据的增多使得未来数据集创建工作变得复杂，因为合成数据通常不如
晓天衡宇评测社区持续关注大模型的发展动态，近期针对国内外主流大语言模型进行了全面评测。榜单从智能体、代码、通用、推理四个维度，并基于20+主流评测基准，对国内外主流大语言模型进行了全面评测，现公布。本文基于Top 10评测结果进行解读，完整26个模型的全量排名和维度得分，欢迎访问晓天衡宇评测社区进行查看。欢迎点击👉🏻查看完整榜单。
本文探讨了大语言模型(LLM)服务面临的主要挑战及优化方案。LLM推理包含预处理和解码两个阶段，存在稀疏性、内存带宽限制、低效调度等问题。针对这些挑战，文章提出了多项优化技术：1)KV缓存管理(PageAttention、Raddix树、压缩注意力)；2)查询感知稀疏注意力(QUEST)；3)推测解码；4)权重调度(Flexgen)；5)系统级优化(FastServe)。此外还介绍了量化、注意力机
具有约束意识的可视化编程在反应式和主动式机器人故障检测中的应用
当你问你的LLM一个需要上下文来回答的问题时，RAG会检索上下文数据以帮助LLM给出更准确和具体的回答。这就像让一名副厨师迅速跑到农贸市场去买食品柜里没有的最新鲜的食材，这样行政总厨就可以用所有必要的食材做出完美的菜。RAG工作流提供上下文的一个关键是使用向量数据库和向量搜索索引。让我们来分解一些核心概念以及这一切需要什么。向量是一组编码的数字，表示一段文本(例如一个单词、短语、句子，甚至是整个文
人工智能是计算机科学领域中最具前瞻性和影响力的技术之一。它是一种智慧型算法，能够模拟人类的思维过程，处理大量的数据和信息，从而发现隐藏在其中的规律和趋势。人工智能的应用范围非常广泛，包括语音识别、图像识别、自然语言处理、机器翻译、智能推荐、智能问答、自动驾驶等等。人工智能的发展历程可以追溯到上个世纪五六十年代。当时，计算机科学家们开始思考如何让计算机能够像人类一样思考和行动。1956年，美国达特茅
自然语言处理
——自然语言处理
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AI编程社区
DAMO开发者矩阵
