Hello，大家好，我是GISer Liu😁，一名热爱AI技术的GIS开发者，上一篇文章中我们详细介绍了RAG的核心思想以及搭建向量数据库的完整过程；😲将LLM接入LangChain：选择LLM，然后在LangChain中使用；构建检索问答链：使用语法构建RAG问答链部署知识库助手：使用streamlit部署项目；帮助读者快速构建RAG应用并部署在阿里云服务器上；Streamlit是一个开源的

😺Hello，大家好，我是GISer Liu，😀😀 一名热爱AI技术的GIS开发者；在上一篇文章中，我们学习了LLM API的申请、应用以及提示词工程；在本文中，作者将介绍如何从零开始构建个人知识库🎉🤓；词向量和向量数据库概念申请Embedding Model API使用LangChain工具对文本数据进行处理基于文本数据搭建向量数据库并进行测试向量数据库是专门用于存储、索引和检索高维向

😁🏆，在本文中，作者通过SuperMap对UE插件尝试了GIS数据的本地与离线导入，并详细介绍了环境配置流程，这也是为将来数字孪生城市的尝试！！！

🏆🎉🤔本文是YOLO实战的基石篇，详细讲解目标检测数据集制作全流程。文章深入解析VOC和COCO两大基准数据集的结构与标注格式，包括VOC的XML文件组织、COCO的JSON标注体系。重点演示如何将VOC/COCO格式转换为YOLO所需的TXT格式，提供自动化脚本和手动转换两种方法。通过实际代码示例，教会读者下载、解析、筛选和重组数据集，为YOLO模型训练打下坚实基础。适合YOLO初学者和需

人工智能（AI）作为计算机领域与机器学习的历史交叉点，随着支撑机器学习的算法和算力的增长，AI的发展也得到进步。值得关注的是，虽然这些研究从1950年代已经开始出现，但重要的算法：统计，数学，计算等相关技术理论的发现远早于这个时代。事实上，人们已经思考这些问题数百年 。本文将讨论“思考机器”概念的历史知识基础。

在之前的博客中，我们展示了如何利用**Qwen模型**进行文本改写，并通过多轮次对话优化模型的输出结果。然而，由于大语言模型生成结果的多样性和不确定性，确保生成文本的**安全性和语义一致性**仍然是一个挑战。本篇博客将基于上一部分的代码实现，对其进行**扩展和深入探讨**；

想象一下，当你用于构建这些机器模型的数据缺少某些人口统计数据（例如种族、性别、政治观点、宗教）或比例不均(以偏概全)地代表此类人口统计数据时，会发生什么呢？。当模型的输出被解释为有利于某些人口统计数据时，情况会怎样？应用程序的后果是什么？请驻足思考一下，这将帮助你理解机器学习训练数据的处理。

文生图生成任务不仅要求生成图像的高质量，同时对文本和图像的安全性有严格检测。本文重点介绍了大赛的全链路评测框架，并探讨了文本与图像检测模型的实现细节，帮助大家掌握如何构建和优化模型。

本文中，我们介绍了全球AI攻防挑战赛的背景和任务，并详细探讨了攻击与防御策略。我们补充了代码实现，包括Prompt诱导与绕过策略、批量优化与自动评估，以及模型防御机制设计。

大家好，我是GISer Liu,好久不见，工作之余，我又来参加DataWhale举办的每月学习赛了；期待这个系列文章能帮助各位读者快速入门LLM开发，希望大家喜欢；Github链接已放在文末；在这篇文章中，作者将为各位读者介绍大语言模型（LLM）的应用开发基础。首先，我们将了解什么是LLM，以及其原理和发展历程。接下来，我们将探讨国内外的闭源和开源LLM，了解其特点、功能及应用。最后，我们还将讨论