从技术到先进生产力，从先进装备到作战能力，中间隔了一道GAP。现在AI技术进展很快，开源的模型大部分是单点或者一个模块单元的突破。如何把这些技术整装成作战单元，为业务带来实际的价值是我们必须要解决的一个问题。

mini智能小助理，可以如何收集alignment数据。介绍了智能体自我迭代，自举能力的重要性。以及人在其中如何为机器自举提供动力

mini智能小助理，可以如何收集alignment数据。介绍了智能体自我迭代，自举能力的重要性。以及人在其中如何为机器自举提供动力

​介绍了围绕LLM引擎打造贴合实际应用生态的重要意义。给出了一个围绕chatglm搭建LLM引擎，围绕chatglm引擎用搜索api打造toolset，通过prompt+LLMchain方式来实现控制策略、实现toolset包括业务逻辑的框架。1.围绕LLM引擎打造业务生态的意义重大，产业价值和可拓展空间可能会大于LLM引擎本身2.通过langchain框架，打造chatglm的应用生态框架3.给

openai api+可视化的chatgpt一起使用了。其实如果真要做产品这些必然都是封装好的都是用openai api来做，对用户就一个需求交互框、一个输入数据cvs表的地方就可以。

本文就对多模态预训练模型做了整理，从多模态预训练大模型主要包括以下4个方面：1.多模态众原始输入图、文数据表示：将图像和文本编码为潜在表示，以保留其语义2.多模态数据如何交互融合：设计一个优秀架构来交叉多模态信息之间的相互作用3.多模态预训练大模型如何学习萃取有效知识：设计有效的训练任务来让模型萃取信息4.多模态预训练大模型如何适配下游任务：训练好的预训练模型fintune适配下游任务

mini智能小助理，可以如何收集alignment数据。介绍了智能体自我迭代，自举能力的重要性。以及人在其中如何为机器自举提供动力

回来自我隔离期，出不了小区加上倒春寒阴天；疯与快疯之间，重读了微软研究院Learn to Rank几篇经典论文，参考的看了CSDN上不少博主的观点。总觉得对于文章，有些思路上的点没有点透；尝试从排序更根本思路去讲解排序类算法为何如此、以及如此演进。思路：排序从冒泡法说起——打分、参考比较、决策冒泡排序时候每个容器中默认是一个数，所以没有从特征到打分这个步骤冒泡排序时候两个数据大小比...

------韦访 201811266、提取音频数据的MFCC特征上一讲花了很大的篇幅来将这个MFCC特征，现在我们就来提取它。Python牛逼之处就是有非常多的工具支持各种操作，很完善，所以这里也不需要我们从头开始写，可以借助python_speech_features工具来实现。首先来安装python_speech_features工具，执行以下命令行即可，sudo pip in...

1.总体介绍了基于向量检索的框架，主要分为两大块：内容存储、内容检索2.具体介绍了内容存储部分技术细节：数据加载模块、数据切块模块、数据embbeding模块、数据存储模块及代码实现3.具体介绍了内容检索部分：向量相似度召回+基于上下文生成问题答案，实现原理和实现代码4.介绍了如何把向量检索生成封装成tool供agnet使用​项目代码：https://github.com/liangwq/Chat