logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

AI智能体工作原理深度解析:揭秘智能体如何运作!

本文是关于 AI 智能体的工作原理,我用了一个很形象的比喻——把 AI 智能体比作一个五层蛋糕,每一层都有特定的功能,信息在这些层之间流动,就像一个组织良好的协作团队一样。

文章图片
#人工智能#产品经理#机器学习 +2
大模型开发完全指南:MCP、LangChain、LangGraph技术栈详解!

本文详细解析了大模型开发核心技术MCP、LangChain与LangGraph的概念和架构关系。MCP作为模型上下文协议连接AI模型与外部数据源,LangChain提供LLM应用开发框架,LangGraph实现复杂多智能体工作流。文章介绍了两种MCP集成方式:直接使用MCP客户端和通过langchain-mcp-adapters适配器,并提供了完整的项目结构和学习资源,帮助开发者构建强大、可靠的A

文章图片
#人工智能#机器学习#深度学习 +2
一文读懂智能体(Agent)技术:架构、应用与未来趋势!

智能体(Agent)作为AI落地的关键载体,由大脑(大模型)、感知与行动三大模块构成。技术从AutoGPT发展到"伐谋"智能体,已形成2C和2B应用生态。核心能力包括自然语言交互、多模态感知和环境行动。未来趋势是企业级专业智能体、大模型迭代、生态系统构建、多智能体协作和多模态发展。挑战包括知识更新、安全伦理等,预计2027年应用普及率将超70%。智能体技术标志着AI从语言交互走向行动赋能,将驱动产

文章图片
#架构#人工智能#机器学习 +1
创建自己的大语言模型的分步指南

大型语言模型 (LLM) 是一种先进的 AI 系统,它通过使用复杂的神经网络(例如 Transformer)处理大量数据来生成类似人类的文本。它们可以创建内容、翻译语言、回答问题和参与对话,因此在客户服务和数据分析等各个行业中都具有重要价值。自回归 LLM根据前面的单词预测句子中的下一个单词,这使其成为文本生成等任务的理想选择。自动编码 LLM专注于编码和重建文本,擅长情感分析和信息检索等任务。混

文章图片
#语言模型#人工智能#自然语言处理
本地大模型部署和基于RAG方案的私有知识库搭建

以上就是本地大模型部署和基于RAG方案的私有知识库搭建的基本操作。除此之外,还有更多丰富有趣的功能等待探索。如今大模型遍布各行各业、各个领域,基于RAG方案的私有知识库技术也逐渐发展,成为提升个人工作效率与创造潜能的新风尚。本地部署模型意味着用户能在自己的设备上享受即时响应的智能辅助,无需依赖云端,既保护了个人数据隐私,又确保了操作的低延迟与高可靠性。结合RAG方案的私有知识库,则让每位用户能够构

文章图片
#人工智能#自然语言处理#RAG +1
一篇Multi-Agent具身智能技术最新综述

具身AI(Embodied AI)已成为学术界和工业界的前沿领域,其应用涵盖了机器人技术、医疗保健、交通运输和制造业等多个领域。然而,大多数研究主要集中在假设环境静态且封闭的单智能体系统上,通常依赖于简化的模型,无法完全捕捉多智能体具身AI动态开放环境的复杂性。

文章图片
#人工智能
边缘部署小语言模型全面对比:CPU、GPU与NPU性能与能效深度解析!

本文系统评估了边缘计算环境下小型语言模型(SLMs)在不同硬件后端(CPU、GPU和NPU)上的部署性能与能效。研究涵盖11款不同规模(0.6B-14B参数)的SLMs,采用F16与Q4K两种精度。结果表明:专用后端显著优于通用CPU,NPU在性能和能效方面均大幅领先GPU,EDP指标证实NPU是边缘环境下SLM部署的最优选择之一,为边缘AI应用提供了重要的硬件选型参考。

文章图片
#语言模型#人工智能#自然语言处理 +3
复旦大学《大规模语言模型:从理论到实践》完整PDF和PPT课件下载

大语言模型(Large Language Models,LLM)是一种由包含数百亿以上权重的深度神经网络构建的语言模型,使用自监督学习方法通过大量无标记文本进行训练。自2018年以来,包含Google、OpenAI、Meta、百度、华为等公司和研究机构都纷纷发布了包括BERT, GPT等在内多种模型,并在几乎所有自然语言处理任务中都表现出色。2021年开始大模型呈现爆发式的增长,特别是2022年1

文章图片
#语言模型#人工智能#自然语言处理
说实话,算法岗transformer面试确实有难度.

Transfomer是一种基于注意力机制的神经网络模型。Transformer模型由编码器和解码器两部分组成,其中编码器用于将输入序列编码成一个高维向量表示,解码器用于将这个向量表示解码成目标序列。Transformer模型最核心的部分是自注意力机制,它能够让模型在不同位置之间进行信息传递和交互,从而更好地学习输入序列中的信息。

文章图片
#算法#transformer#面试 +2
    共 703 条
  • 1
  • 2
  • 3
  • 71
  • 请选择