后面计划开始写RAG系列了,前面的坑也会陆续填的。本节6.1.1聊聊Al搜索,非技术向的,6.1.2~6.1.6 是RAG技术向的,大家按需取用即可。

本节主要从发展史的角度，梳理自AI诞生起经历了哪些阶段，从而让我们更清晰地认识到，当下我们是处在哪个位置？虽然今天正处于本轮AI的应用爆发初期，大家更感兴趣的是如何基于大模型做应用开发，但我仍然希望读者愿意花十几分钟的时间，去探索这个领域是如何走到今天的。对当下是否真的走在了”正确“的道路上，有自己辨证且深入的思考。与其杞人忧天 AI 产生智慧，我们更应该担心自己因为人云亦云从而失去智慧。

这里是陌小北，每周日解读每周AI大事件。本周事件：谷歌推出开源大模型Gemma | Groq自研AI芯片 | 英伟达成立GEAR研究具身智能体

这里是陌小北,每周日解读每周AI大事件。本周热门:微软与Mistral Al达成合作|谷歌发11B基础世界模型|传苹果放弃电动汽车制造转向生成式AI

由于目前的工作，有一部分是为运营提供一些流量分析的支持，所以一些相应的基础知识就不得不学起来了。目前其中一种需求，就是统计广告的投放效果，常规做法就是添加追踪，在追踪链中添加utm参数，这样对于数据平台的聚合统计就比较方便了UTM ：“Urchin Tracking Module”的简写，中文的大概意思就是跟踪模块功能：追踪渠道来源，便于根据不同渠道、内容等细分数据，目的：精细化运营分析...

本系列系统地整理和背诵软件架构和软件工程的知识点。本篇介绍了软件架构，包括基础定义、视图、架构风格、基于架构的软件开发方法、软件架构评估、特定领域软件体系结构、软件复用和遗留系统等。

大语言模型的训练主要包括哪几个阶段？每个阶段需要的数据、算力、训练方式、产出模型分别是什么？ 每个阶段的训练难点分别是什么？哪个阶段是必须的，哪个阶段是可选的？ 每个阶段模型的训练难点分别是什么？

努力用这一万字，把Transformer相关知识讲明白......

努力用这一万字，把Transformer相关知识讲明白......

算力是AI发展的驱动力，大模型时代更要格外关注算力。目前的大模型是个重资产行业，底层竞争在于半导体产业，AI的发展离不开芯片，甚至可以说，整个信息时代的发展都离不开芯片。