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

零代码玩转AI智能体:Coze平台保姆级教程,小白也能快速上手!

本文详细介绍了字节跳动Coze平台创建AI智能体的全过程,包括平台介绍、创建步骤及功能选项。作者通过实操演示,展示如何利用无代码方式快速搭建AI Agent,涵盖模型选择、插件应用、工作流设计、知识库配置等功能。文章强调创建优质AI智能体需从架构、安全、评测等多方面综合考虑,为AI Agent开发初学者提供了实用入门指南。

文章图片
#人工智能#自动化#运维 +1
格局突变!11月AI热度榜:阿里系杀疯了,Google模型“王炸”登场!谁是最大赢家?

全球AI产品风向标AI排行榜**AIGCRank 今日发布2025年11月《AI产品热度榜单》及《AI大模型热度榜单》。作为聚焦全球AI创新生态的核心榜单,热度榜单将基于海内外主流应用市场、社交媒体、搜索引擎指数及行业数据库,综合评估产品创新力与市场关注度,为广大用户及AI从业者提供有价值的参考。

文章图片
#人工智能#语言模型#职场和发展 +1
一文详解!四种主流LLM微调方法:Full-tuning、Freeze-tuning、LoRA和QLoRA

如果你是一个开发者,手里有一个强大的语言模型(LLM),想用它来做点厉害的事情,比如文本分类、智能问答,或者识别文本里的关键信息。可问题来了:训练这么一个庞然大物需要海量的计算资源和时间,你手头的电脑可能累到冒烟,甚至还有数据不够多导致模型“学歪”的风险。别慌,今天我们就来聊聊四种LLM微调方法,帮你高效优化模型,轻松应对各种场景。这四种方法分别是:Full-tuning(全量微调)、Freeze

文章图片
#深度学习#AI#LoRA
智能体式自动化从入门到精通(一)概念解析:Intelligent Agent、AI Agents、Autonomous Agents、Agentic AI

AI 和自动化技术的飞速发展,为的崛起奠定了坚实基础。智能体式自动化融合了前沿的 AI 技术,使自主智能体(autonomous agents)能够在极低人工干预的情况下,高效处理复杂的非结构化任务。本文将深入剖析 AI 智能体(AI Agents)的关键组件、构建智能体(Intelligent Agent)的设计原则,以及智能体式自动化的实际应用场景,并通过具体用例进行详细演示。

文章图片
#人工智能#自动化#运维
大模型“黑箱”的终结者?深度解析OLMo 3,为何它是2025年最值得期待的开源模型?

当下的大模型江湖,看似“开源模型遍地都是”,但真正能做到**把数据、训练流程、代码、检查点、评测体系全部摊开**的,却少得可怜。许多号称开源的 LLM,往往只开放部分权重;至于训练配方、数据来源、清洗方式、阶段化策略,更是讳莫如深。

文章图片
#人工智能#swift#开源 +2
什么是神经网络?神经网络开发框架——PyTorch和架构Transformer的区别和联系

PyTorch就是工具,而Transformer就是理论;而理论指导工具。我们都知道大模型的本质是一个神经网络模型,因此我们学习大模型就是在学习神经网络模型;但了解了很多关于神经网络的理论,但大部分人对神经网络都没有一个清晰的认识,也就是说神经网络到底是什么?它长什么样?事实上所谓的神经网络本质上就是一个数学模型,里面涉及大量的数学运算;只不过其运算的主要数据类型是——向量,具体表现为多维矩阵。

文章图片
#神经网络#pytorch#人工智能 +1
Anthropic的“新玩具”,中国团队早已量产!PTC技术,我们为何领先整整一年?

Anthropic发布了Programmatic Tool Calling(PTC)特性,让Claude通过代码编排工具执行,降低token消耗、减少延迟并提升准确性。不过,国产minion框架从一开始就采用类似架构,其LLM规划决策,代码环境执行,仅返回最终结果。相比PTC需显式启用,minion将此作为基础架构,还支持Python生态、状态管理、错误处理等功能,在实际应用中展现出更高的效率和灵

文章图片
#服务器#运维#linux +4
大模型论文 | 大模型对齐的本质、核心方法、技术演进、前沿方向

对齐的思想可追溯至20世纪的科幻作品与学术讨论。1920年,科幻剧《R.U.R.》首次提出“机器人威胁”的概念,奠定了早期对机器伦理的思考。1942年,阿西莫夫提出“机器人三定律”,成为最早的AI价值规范雏形。1960年,控制论之父维纳(Norbert Wiener)在《科学》杂志撰文指出:“我们必须确保赋予机器的目标是我们真正渴望的”,这一论述被视为对齐问题的学术起点。

文章图片
真香警告!RAG系统评测秘籍:从零开始构建优质测试集,5组配置对比结果大揭秘

文章详细介绍了RAG系统评测实战方法,重点讲解了Ragas框架的核心机制与指标体系,以及构建优质测试集的三大挑战。通过基于RAGFlow的5组配置对比实验,揭示了参数调优的非线性陷阱、评估指标与业务目标一致性问题以及Prompt工程的边界等关键发现,对优化RAG系统性能具有重要参考价值。

文章图片
#人工智能#架构#语言模型 +2
震惊!原来AI编程开发这么简单:LLM、Agent与Workflow三兄弟协同工作原理大揭秘,小白也能秒变AI达人!

文章解析了大语言模型(LLM)、智能体(Agent)和工作流(Workflow)三大AI核心技术,阐述了LLM作为认知引擎、Agent作为自主行动者、Workflow作为流程编排器的定位与特点,分析了三者关系与协同应用场景,并展望了Agent专业化、Workflow智能化和三者深度融合的未来趋势,为AI编程开发者提供了全面的技术框架理解。

文章图片
#人工智能#算法#科技 +1
    共 1281 条
  • 1
  • 2
  • 3
  • 129
  • 请选择