▼最近直播超级多，预约保你有收获—1—向量数据库：数据的智能化存储向量数据库是一种新型的数据库系统，它的核心特点是将数据转换成数学上的向量形式进行存储和处理。想象一下，你走进一家图书馆，里面摆满了各种各样的书籍。如果你想找到一本特定的书，比如关于 AI 大模型的书，你可能会去图书分类目录中查找“IT”这个分类，然后根据索引找到相关书籍的存放位置。现在，如果我们把每本书的内容都转换成一串数字（这串.

▼最近直播超级多，预约保你有收获我们要把 AI 大模型当做人的大脑，因此调用 AI 大模型，相当于调用一个人，把 AI 大模型当人看，TA 懂人话、TA 说人话、TA 会直接给出结果，但结果不一定正确。因此在 AI 大模型的推理基础上，通过 RAG、Agent、知识库、向量数据库、知识图谱等技术手段实现了真正的 AGI（通用人工智能）。这些技术到底有哪些区别和联系，下图作了横向对比，接下来我们详细

▼最近直播超级多，预约保你有收获近期直播：《基于开源 LLM 大模型的微调（Fine tuning）实战》0—为什么要对 LLM 大模型进行微调（Fine tuning）？LLM 大模型（比如：ChatGPT-4.0）已经很强大了，为什么还需要微调？主要有如下 4 点原因：第一、缺乏专有数据，比如：企业内部的私有数据。第二、缺乏最新数据，比如：GPT-4的训练数据截止到2021年9月。第三、预..

、▼最近直播超级多，预约保你有收获—1—IT-Tools 助力开发人员和 IT 工作者IT-Tools (下图所示）一个为开发人员和 IT 工作者提供方便的在线工具集合的开源项目，包含了加密、转换器、Web、开发、图片和视频等百种工具，功能齐全，一键部署，非常方便。IT-Tools 是基于 Vue3 实现的，采用 Naive UI 组件库开发，支持 Docker + K8S 私有化部署。项目开源.

▼最近直播超级多，预约保你有收获今晚直播：《大模型Agent应用落地实战》—1—AI 大模型训练和推理Docker 容器和 Kubernetes 已经成为越来越多 AI 应用首选的运行环境和平台。一方面，Kubernetes 帮助用户标准化异构资源和运行时环境、简化运维流程；另一方面，AI 这种重度依赖 GPU 的场景可以利用 K8S 的弹性优势节省资源成本。在 AIGC/大模型的这波浪潮下，以

▼最近直播超级多，预约保你有收获—1—中文微调版 Llama 3随着 Meta 发布 Llama 3 新一代最强劲开源大模型，在 Hugging Face 开源社区涌现了不少中文微调版 Llama 3，如下图所示：同时，也整理下目前的中文版 Llama 3 大模型列表，如下图所示：联通微调版：https://www.modelscope.cn/models/UnicomAI/Unichat-l..

▼最近直播超级多，预约保你有收获今天直播：《RAG和GPTs构建Agent产业应用落地实战》—1—LangGraph 技术架构解读LangGraph 是一个有用于构建有状态和多角色的 Agents 应用，它并不是一个独立于 Langchain 的新框架，而是基于 Langchain 之上构建的一个扩展库，可以与 Langchain 现有的链（Chains）、LangChain Expressi..

随着 AIGC 新时代到来，大型的语言模型逐渐成为学术界和工业界的热点。在自然语言处理、智能对话、知识获取等领域，大型模型发挥着越来越重要的作用。本文将从工程架构、算法架构及应用架构三个方面对大模型的技术架构进行深入剖析。1、工程架构剖析第一、分布式训练大型模型的训练通常需要大量的计算资源，分布式训练成为了实现这一目标的关键技术。分布式训练通常采用以下两种方式进行：数据并行（Data Parall

▼最近直播超级多，预约保你有收获今晚直播：《LlamaIndex框架架构剖析以及应用开发实战》—1—有了 LangChain 为什么还需要 LlamaIndex 开发框架？相比 LangChain 开发框架，LlamaIndex 开发框架有以下 4 大特点：第一、它支持主流的大模型，比如：GPT-4 Turbo；第二、它支持灵活的数据源，比如：结构化数据、半结构化数据和非结构化数据；第三、它支持.

▼最近直播超级多，预约保你有收获今晚直播：《LlamaIndex框架架构剖析以及应用开发实战》—1—有了 LangChain 为什么还需要 LlamaIndex 开发框架？相比 LangChain 开发框架，LlamaIndex 开发框架有以下 4 大特点：第一、它支持主流的大模型，比如：GPT-4 Turbo；第二、它支持灵活的数据源，比如：结构化数据、半结构化数据和非结构化数据；第三、它支持.