记录一下合同等文档的比对测试，以下是实现docx格式与txt格式的内容对比结果图，其中图1为docx格式，是房屋租赁合同的内容对比结果；图2是纯文本txt格式的内容对比结果。

目前主要实现基于【data/yeast/yeast.edgelist】下的蛋白质数据进行link prediction。利用各种图神经网络进行link prediction of protein interactions。通过以上两种方法的任何一种完成安装都可以。如果不想安装，可以下载。模型主要使用图神经网络，如gae、vgae等。数据集的格式如下，具体可见。数据来自酵母蛋白质相互作用。

随着 GPT、 Llama 和 Deepseek等大型 llm 的兴起，人工智能从业者面临的最大挑战之一是弄清楚他们需要多少 GPU 显存来有效地为这些模型服务。这里通过一个简单有效的公式来估计LLM 服务所需的GPU 显存。使用上面的简单公式，我们可以估计不同精度级别所需的 VRAM，并相应地优化部署。如果我们正在处理像 Llama 70B 这样的大型模型，量化和并行是较好的选择，可以保持 GP

利用大模型deepseek对中文文本、图片以及pdf中的非结构化文本内容进行分析，并提取主-谓-宾（SPO）三元组的知识形式，以及将这些关系可视化为知识图谱，完整项目见。这里利用deepseek进行相关分析。

利用周末时间做了一个chatexcel应用，采用自然语言对话形式，对excel表格数据进行分析，结果可返回文本，表格和图表形式。

记录一下，以下是测试中文手写体识别结果图展示（对于潦草的字迹效果一般），后期会开放模型，有java和python版本：

的升级，实现了界面重构，实现了批量图片的识别以及保存。软件名为“番石榴OCR文字识别工具”。完全离线，无需联网，单机免安装运行。主要功能是选择图片；保存结果为txt文件。另外图片的预览功能增加了通过鼠标放大缩小以及点击拖动功能。批量上传需要识别的图片，会出现在左侧列表栏中，可以点击右侧。，可以识别所有图片文字，点击左侧相应图片，右侧。发布于 2025-05-16 16:54・江苏。，会将所有图片识

理解提示工程与对话如果我们想知道什么是提示工程，想象一下我们有一个超级聪明的助手，但这个助手需要非常明确的指示才能做我们想做的事情。这有点像使用大型语言模型（LLM），这是许多 AI 工具背后的技术。提示工程基本上是给这些LLM正确的指示或提示的艺术和科学，这样他们就能理解我们需要什么，并给我们准确和有用的结果。可以把提示想象成我们给的输入，比如一个问题或一个请求。任何人都可以写提示，就像我们可以

• GNN-RAG 显著提高了弱 LLMs(如 Alpaca-7B 和 Flan-T5-xl)的 KGQA 性。• 作者训练了两个不同的 GNNs，一个深 gnn (L = 3)和一个浅 gnn (L = 1)，的多跳信息(%Ans)。• 作者提出了一种 RA 技术(GNN-RAG +RA)，它将 GNN 寻回器与基于 llm。• 以上结果表明，基于 gnn 的检索比基于 LLM 的检索更高效(#

普通电子发票识别，可识别大部分电子普票，电子专票，全电发票，文件类型支持pdf和ofd格式。