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

2026 校招大模型方向备战指南:小白 & 程序员必看的上岸建议

2026 校招大模型方向备战指南:小白 & 程序员必看的上岸建议

文章图片
#人工智能#学习#算法
大模型智能体开发教程:从概念到部署,程序员必备指南,建议收藏!

本文详细介绍了多智能体系统的构建方法,包括智能体类型、通信机制、记忆管理、设计原则和角色分工等内容。文章提供了从理论到实践的完整指南,涵盖框架选择、技术栈部署以及具体实现步骤,帮助开发者构建能够协作解决复杂问题的生产级多智能体系统。通过结合大型语言模型与明确的智能体架构,开发者可以创建自适应、可扩展的AI应用。

文章图片
#搜索引擎#百度#人工智能 +2
大模型智能体开发教程:从概念到部署,程序员必备指南,建议收藏!

本文详细介绍了多智能体系统的构建方法,包括智能体类型、通信机制、记忆管理、设计原则和角色分工等内容。文章提供了从理论到实践的完整指南,涵盖框架选择、技术栈部署以及具体实现步骤,帮助开发者构建能够协作解决复杂问题的生产级多智能体系统。通过结合大型语言模型与明确的智能体架构,开发者可以创建自适应、可扩展的AI应用。

文章图片
#搜索引擎#百度#人工智能 +2
上下文工程:大模型时代的新范式,彻底解放人工调优

上下文工程是由AI大神Andrej Karpathy提出的新概念,旨在解决RAG系统局限性,通过优化输入给大模型的上下文信息提升问答质量。它涵盖数据准备、检索优化和上下文构建等环节,采用写入-筛选-压缩-隔离策略。未来将实现自动化,突破RAG限制进行深度加工,有望彻底解放人工调优,成为大模型应用的关键技术。

#人工智能#大数据#学习 +2
上下文工程:大模型时代的新范式,彻底解放人工调优

上下文工程是由AI大神Andrej Karpathy提出的新概念,旨在解决RAG系统局限性,通过优化输入给大模型的上下文信息提升问答质量。它涵盖数据准备、检索优化和上下文构建等环节,采用写入-筛选-压缩-隔离策略。未来将实现自动化,突破RAG限制进行深度加工,有望彻底解放人工调优,成为大模型应用的关键技术。

#人工智能#大数据#学习 +2
【科普】大语言模型 (LLM) 是如何生成文本的?一篇文章带你搞懂

【科普】大语言模型 (LLM) 是如何生成文本的?一篇文章带你搞懂

文章图片
#AI#语言模型
一文吃透大模型后训练 Post-training,看这篇就够了!

后训练(Post-Training)作为大模型训练流程中不可或缺的重要环节,正发挥着日益关键的作用。本文将深入剖析后训练的奥秘,带你一文吃透大模型后训练。

文章图片
#人工智能#面试#机器学习 +1
大语言模型(LLM)到底是个啥

很多人觉得LLM像人一样具备智慧,能够思考,但事实并非如此,LLM本质上只是一个基于神经元网络(Neural Network)构建的、能够模拟人类语言模式的的文本模拟器,其工作原理可以简单概括为:用户输入文本LLM将文本转换成Token(即模型可理解的编码形式)LLM根据输入的Token序列,预测下一个最有可能出现的Token,并重复此过程直至出现一段token序列LLM将预测结果转换成文本,并输

文章图片
#语言模型#人工智能#自然语言处理 +3
【大模型学习】超全的大型语言模型(LLM)推理框架分析与选型指南

随着大型语言模型(LLM)在智能客服、内容创作、代码生成等领域的广泛应用,推理框架作为高效部署的核心组件,直接决定了应用的性能、成本和开发效率。本文将结合当前主流推理框架的特点和应用场景,为您提供一份专业的选型指南。

文章图片
#学习#语言模型#人工智能 +2
从 “单个对话机器人” 到 “AI 协同团队”:多智能体系统(MAS)核心原理 + 8 大落地关键技巧

从 “单个对话机器人” 到 “AI 协同团队”:多智能体系统(MAS)核心原理 + 8 大落地关键技巧

文章图片
#人工智能#学习#算法
    共 736 条
  • 1
  • 2
  • 3
  • 74
  • 请选择