transformer标签_武汉城市开发者社区

transformer

零标注！强化学习RAG让大模型在工业故障诊断中HitRate飙升93%，比老师傅还准！小白也能上手的工业AI黑科技

工业现场最怕“低频故障”：一年才出两三回，回回都是新症状。用 ChatGPT 直接问？它只会给你“通用答案”。用传统 RAG？先请老师傅把 10 年维修记录“标注”一遍，成本直接劝退。中南大学+哈工大团队最新发表在《Advanced Engineering Informatics》的研究，把“强化学习”塞进 RAG：不标数据、不调 LLM，只靠一个“游走”智能体，在维修日志里自己找答案。实测结果：

小马不会过河
2026-01-06 17:00:08

 627

 29

#人工智能 #科技 #机器学习 +3
GraphRAG如何实现智能跃迁？它能处理超长文档、应对复杂推理，才是企业级AI应用的未来！

GraphRAG通过引入知识图谱将非结构化数据转化为结构化认知，解决了传统RAG在处理复杂关系时的瓶颈。它实现了多跳推理、全局摘要和可解释性溯源三大技术飞跃，使大模型从"搜索数据"升级为具备"推理洞察"的智能系统，为企业AI应用提供了更强大的认知能力，虽面临构建成本和维护挑战，但代表了大模型知识增强的重要方向。

LLand520
2025-11-24 16:13:48

 641

 23

#人工智能 #java #transformer +1
【学习收藏】RAG实战：打造可验证的企业级问答系统全流程解析

本文详细介绍了如何使用RAG技术构建企业级问答系统，从基础实现（文档切分、向量化、检索）开始，逐步引入评测体系、总结索引、重排序等优化技术，并通过量化指标驱动系统迭代。文章提供了完整的工程实现方法和可复用的模式，帮助读者建立"先度量后优化"的系统优化思维，最终实现高准确率的企业级问答解决方案。

Android老皮
2025-11-06 16:54:57

 1139

 18

#学习 #transformer #自然语言处理 +3
RAG系统性能提升关键：嵌入模型选择技巧与实战案例！

文章深入探讨了嵌入模型在RAG系统中的核心作用，系统介绍了词嵌入、句嵌入、文档嵌入等类型及其适用场景，并解析了上下文窗口、分词方式、维度等关键参数。通过医疗论文检索实例，演示了如何根据实际需求选择合适嵌入模型，并介绍了MTEB基准测试工具的使用方法。文章强调，选择嵌入模型应超越单纯依赖评分，而应综合考虑应用场景、语言支持、专业词汇处理能力等实际因素。

m0_63171455
2025-11-06 08:30:00

 904

 13

#人工智能 #算法 #机器学习 +4
RAG技术入门到精通：Spring AI实现AI知识库问答系统，收藏学习必备！

本文介绍了RAG（检索增强生成）技术，它通过外部知识库动态补充信息，提升大语言模型回答的准确性和时效性。文章详细讲解了使用Spring AI框架实现基于本地知识库的AI问答系统，包括环境准备、依赖引入、文档处理、向量转换存储、查询增强等关键步骤。通过具体的代码示例，展示了如何构建和测试一个能够基于特定文档回答问题的AI助手系统，有效解决了传统LLM可能产生的"幻觉"或过时回答问题。

爱编程的小辞
2025-11-02 10:45:00

 1477

 45

#人工智能 #spring #学习 +3
RAG热潮来袭！揭秘bRAG-langchain：高效智能系统的宝藏项目！

bRAG-langchain是一个专注于LangChain框架下RAG技术的开源学习项目，通过一系列结构化的Jupyter Notebooks提供从入门到精通的学习路径。项目涵盖RAG基础架构、多查询检索、智能路由、高级索引和重排序等核心技术，帮助开发者构建高效、智能的RAG系统。它不仅提供可运行代码示例，还提供清晰的学习路径，是开发者掌握RAG技术的宝贵资源。

网安福宝
2025-10-24 07:00:00

 1562

 34

#人工智能 #深度学习 #产品经理 +2
企业级AI智能体评估大全：从多轮对话到RAG，现代LLM评分器与实用工具推荐！

本文探讨了Agentic AI的评估方法，重点介绍了大语言模型（LLM）应用在多轮对话、检索增强生成（RAG）和智能体（Agent）场景下的评估指标与工具。传统NLP任务依赖准确率、BLEU等指标，而现代LLM应用更依赖语义评估和LLM-as-a-judge模式。多轮对话需关注相关性、知识留存等指标；RAG系统需分别评估检索（如Precision@k）和生成环节；智能体则需测试任务完成度和工具调用

 拥抱AGI
2025-10-22 13:36:21

 1402

 7

#人工智能 #算法 #深度学习 +2
Spring AI 驱动的企业级 RAG 系统：从技术原理到落地实践，一文看懂！

Spring AI 驱动的企业级 RAG 系统：从技术原理到落地实践，一文看懂！

EnjoyEDU
2025-10-02 09:45:00

 2006

 42

#spring #人工智能 #java +1
保姆级教程！首个MCP低代码RAG框架全解析：从架构原理到企业落地，收藏这篇从入门到精通！

检索增强生成系统（RAG）正从早期“检索+生成”的简单拼接，走向融合 **自适应知识组织**、**多轮推理**、**动态检索** 的复杂知识系统（典型代表如 *DeepResearch*、*Search-o1*）。但这种复杂度的提升，使科研人员在 **方法复现**、**快速迭代新想法** 时，面临着高昂的工程实现成本。

Python_金钱豹
2025-09-27 10:45:00

 1094

 22

#低代码 #架构 #人工智能 +4
程序员必学！大模型五大核心技术(MCP/Agent/RAG/RPA/A2A)全解析（收藏版）

本文详解大模型生态五大核心技术：MCP（连接外部世界的接口）、Agent（智能执行体）、RAG（检索增强生成，解决幻觉问题）、RPA（自动化执行者）和A2A（智能体间协作协议）。这些技术共同构建了更智能、高效的AI应用体系，推动AI向"能理解、会思考、可行动"的通用人工智能迈进。文末提供系统学习资源，帮助读者从零入门到实战掌握大模型技术。

AI绘画哇哒哒
2025-09-27 09:45:00

 1220

 19

#人工智能 #深度学习 #transformer +1
收藏级教程：Dify平台深度解析 - 构建大模型应用的可视化开发指南

Dify是集"工作流引擎+RAG管道+代理系统+模型与工具生态+观测与运维"于一体的生产级大模型应用平台。采用微服务架构，通过可视化方式实现AI应用开发，包含完整的RAG处理流程、智能代理系统和工具集成生态。平台强调可观测性、可回放性和可扩展性，提供规范化的节点管理、上下文控制与数据流管理，帮助企业以工程化方式可靠落地大模型应用。

和老莫一起学AI
2025-09-26 11:04:30

 995

 23

#transformer #深度学习 #人工智能
【大模型实战】Milvus RAG搭建全攻略：从入门到实践，建议收藏！

本文分享了使用Milvus搭建RAG服务的实战经验，包括云端数据库选择、创建Collection、字段设计、索引设置、数据插入和查询等关键步骤。作者强调应根据项目实际需求决定是否采用RAG，适用于严肃场合或大模型无知领域，而非所有场景都需RAG。提供了清晰的界面操作和API调用方法，帮助读者快速搭建RAG原型。

python零基础入门小白
2025-09-25 17:41:48

 1031

 8

#milvus #java #开发语言 +4
【保姆级教程】用Python和LangChain搭建你的第一个AI智能体团队！

你是否想过，如何让多个AI“专家”协同完成一项任务？今天，我们将使用Python和功能强大的LangChain框架搭建一个小型AI智能体团队。我们的目标是创建一个具备以下功能的系统：

python零基础入门小白
2025-09-25 17:33:59

 1248

 23

#python #人工智能 #transformer +3
深入浅出：大模型智能体开发基础与LangGraph框架应用！

我们首先要明确一个概念，即智能体是基于大模型应用设计的一套机制，其本质是大模型提供的函数调用功能(function call)，包括现在的MCP服务；而框架只是对这些原生能力的封装，便于开发人员进行功能开发，而不用去处理太多细节性问题。

程序员小猴紫
2025-09-25 17:23:05

 844

 13

#人工智能 #数据库 #语言模型 +2
LangSmith+LangChain构建可监控的RAG系统，完整代码已开源（建议收藏）

本文详细介绍LangSmith在LangChain应用中的调试与追踪功能，展示如何评估RAG系统性能，以及使用LangServe快速部署API服务。同时涵盖生产环境中的监控与日志管理，帮助开发者实现从开发到部署的全生命周期管理，代码已开源在GitHub。

python零基础入门小白
2025-09-24 17:55:36

 1187

 27

#开源 #transformer #金融 +3
企业RAG实战：构建“先取证、再生成、可追责“的答案供应链！

本文介绍了企业级RAG系统的完整实施框架，强调其价值在于"先取证、再生成、可追责"。文章详细阐述了五大核心工程：构建权威来源目录、实现句级来源标注、建立可信度评分机制、设计可运维的RAG流水线，以及建立持续评测与运营体系。这套方案帮助企业构建可信、可追溯的答案供应链，将RAG从概念转化为生产力，确保AI回答的权威性、可追溯性和可信度。

程序员小猴紫
2025-09-24 17:43:20

 851

 17

#大数据 #人工智能 #transformer +3
【值得收藏】一文读懂LightRAG：大模型检索增强生成的架构设计与实现指南

【值得收藏】一文读懂LightRAG：大模型检索增强生成的架构设计与实现指南

 学网安的喵桑
2025-09-14 12:00:00

 1616

 9

#java #transformer #深度学习 +3
收藏级干货！谷歌开源Embedding Gemma：3亿参数实现6亿性能，RAG实战代码+向量搜索全解析

EmbeddingGemma是Google发布的开源小规模多语言文本嵌入模型，旨在常见设备（如手机、笔记本、台式机）上高效运行，同时在 MTEB / MMTEB 等评测任务中保持与同类模型竞争的性能。其核心价值在于：支持离线运行、保护隐私、内存占用小、兼容多种推理框架，并提供灵活的输出维度。

Python_金钱豹
2025-09-14 10:45:00

 1416

 27

#transformer #神经网络 #深度学习 +2
Meta REFRAG：RAG长上下文处理新范式，加速30倍提升1.93%准确率！

Meta提出的REFRAG框架针对RAG系统处理长上下文时的延迟高和内存贵问题，利用RAG的块对角注意力稀疏性，通过"压缩-感知-扩展"三步走方式，无需修改LLM结构即可实现高效解码。该框架采用课程学习和强化学习进行训练，实验结果显示可实现30倍TTFT加速和16倍上下文外推，在相同延迟预算下准确率提升1.22%(强检索)与1.93%(弱检索)，显著优于传统方法。

发菜君
2025-09-11 11:19:51

 886

 18

#transformer #自然语言处理 #语言模型 +3
收藏！RAG数据解析实战指南：告别“垃圾进，垃圾出“，小白也能构建高质量知识库

本文深入探讨RAG系统中数据解析的关键作用，指出基础加载器如PyPDFLoader的局限性，提出分层解析策略：基础层(Unstructured.io)、高效层(MarkItDown、PyMuPDF4LLM)和攻坚层(Marker、MinerU等)。详细介绍了表格、图像及图文混合的处理方案，提供可扩展解析管道实现，并展望多模态化、知识图谱增强等未来方向，助开发者构建高质量RAG系统。

AI小白熊
2025-09-11 10:19:16

 960

 19

#transformer #深度学习 #人工智能
一文纵览RAG研究前沿：400+篇论文深度分析，系统性综述来了

检索增强生成（RAG）自 2020 年 Meta “DPR+T5” 论文起，已从“外挂知识库”演进到“可编程、可解释、可审计”的复杂系统。然而，领域缺乏一份PRISMA 级的系统性综述来梳理：

和老莫一起学AI
2025-08-22 10:46:17

 1301

 21

#人工智能 #深度学习 #产品经理 +1
实战 | 从入门到精通，DeepSeek+Dify构建本地知识库大模型全指南，一篇文章搞定！

本文介绍了本地部署私有化知识库的解决方案，通过Dify应用框架整合DeepSeek-R1大模型实现技术文档的智能检索。方案优势包括：1）提供媲美商业模型的交互体验；2）完全离线运行保障数据安全；3）符合企业合规要求。部署步骤包括：安装Docker和ollama→下载DeepSeek-R1模型→配置Dify框架→构建知识库和智能体应用。文章还分享了AI大模型学习路径，包含提示词工程、RAG系统开发等

 网安福宝
2025-08-22 10:38:12

 1327

 23

#开源 #运维 #transformer +2
大厂RAG面试都在问什么？24道真题整理，悄悄练熟，现场拿捏面试官！

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合查找信息和生成答案能力的 AI 技术。

和老莫一起学AI
2025-08-21 11:41:48

 1141

 14

#人工智能 #产品经理 #transformer +1