在如今的 AI 应用领域中，大模型（LLM，Large Language Models）已然成为推动前沿技术发展的关键力量。其中的 Top1 当属 OpenAI 的 GPT 系列无疑，它通过大规模的数据训练、可以执行高质量的语言处理任务，如聊天问答、文本生成、翻译等。去年，ChatGPT 引入了定制个人知识库的支持，该功能采用了检索增强（RAG，Retrieval-Augmented Genera

AutoGen 是一个功能强大的框架，可简化人工智能应用程序的开发。凭借其独特的特性和功能，AutoGen 可以轻松创建多代理人工智能系统。本指南将介绍 AutoGen 的优势，并逐步说明如何安装和使用 AutoGen Studio 来构建多智能体工作流。

作者提出了Qwen2-VL系列，这是先前Qwen-VL模型的先进升级，重新定义了视觉处理中的传统确定分辨率方法。Qwen2-VL引入了Naive动态分辨率机制，使模型能够动态地将不同分辨率的图像处理成不同数量的视觉 Token。这种方法使模型可以生成更高效、更准确的可视表示，并与人类感知过程紧密一致。模型还集成了多模态旋转位置嵌入（M-RoPE），以促进文本、图像和视频之间位置信息的有效融合。作者

大模型私有化（Model Private Deployment）指的是将预训练的大型人工智能模型（如GPT、BERT等）部署到企业自己的硬件环境或私有云平台上。与公有云服务或模型即服务（Model-as-a-Service）相比，私有化部署能够给企业带来更高级别的数据安全性和自主控制能力。对数据隐私和安全要求高、需要自主控制AI模型运行环境的企业而言，或者在特定地理位置因法律法规限制不能使用公有云

发布时间：“X”表示未知月份。公开与否：“All”表示完全开源；“Partial”表示部分开源；“Not”表示不开源。“许可证”表示该语料库遵循某种协议。如果该语料库是基于其他语料库构建的，那么源语料库的许可证也必须遵守。

使用ollama create命令创建自定义模型。

通过ollama可以让我们在本地跑开源大模型（Llama 3、通义千问等），但命令行界面并不友好，操作不方便。搭配一个友好的GUI界面，可以大大提高使用体验。试试Open WebUI吧！它是一个可扩展的、功能丰富的、用户友好的自托管 WebUI，设计用于完全离线操作。它支持各种语言模型（LLM）运行器，包括 Ollama 和兼容 OpenAI 的 API。让我们一起解锁开源大模型新体验。安装oll

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。由于新岗位的生产效率，要优于被取代岗

在自己的电脑上跑大模型，到底需要多高的配置？很多小伙伴私信问我这个问题。本期视频我就统一给大家一个答案。不过在此之前，有个问题先得回答一下：ChatGPT用得好好的，为什么要在本地电脑上折腾这些开源大模型或者开源项目？很简单，三个原因：第一、运行更稳，速度更快，还不花钱。过去一年，订阅ChatGPT Plus，以及使用API的费用加在一起，我应该给OpenAI贡献了大几百美金。但是，我对他们的服务

前几天发布的开源大语言模型的能力通过测试结果的展示已经达到了一个全新的高度，甚至可以与Claude 3 Sonnet和Gemini 1.5 Pro等一众顶级模型相媲美，甚至在某些方面已经超过了去年发布的两款GPT-4。这一突破使得Llama 3一举成为当前顶流的大语言模型之一。展示一波LLM排名,这么帅还不要钱，就问你想不想要也许从此强大的模型不再只是厂商云端的特权，现在每个人都可以在本地部署Ll