PythonAI算法
大模型技术学习与发展的路径梳理
大模型技术作为人工智能的重要分支，涵盖神经网络架构、预训练与微调、检索增强生成（RAG）、提示词工程及智能体（Agent）等核心模块。学习路径分为初阶应用、高阶应用、模型训练及商业闭环四个阶段，旨在帮助开发者系统掌握从理论到实践的技能，构建私有知识库并实现复杂任务自动化。
分类：编程语言 · Python
PythonAI算法
2024 年多模态大模型技术发展白皮书
综述由AI生成多模态大模型融合文本、语音、图像等多模态数据联合学习。技术体系涵盖面向理解、生成、兼顾理解与生成及知识增强四类模型。关键架构包括单流与多流 Transformer 结构，代表模型有 CLIP、ViLBERT、DALL-E、Stable Diffusion 等。核心技术涉及预训练数据收集、网络结构设计、自监督学习优化（掩码语言建模、掩码图像建模、对比学习）及下游任务微调适配。文章探讨了如何利用语言大模型实现多模态对齐与交互，并展望了增量学…
PythonNode.jsAI算法
Ollama v0.4 支持运行 Llama 3.2 Vision 模型
综述由AI生成Ollama v0.4 版本现已支持运行 Llama 3.2 Vision 模型，提供 11B 和 90B 两种规格。用户可通过命令行直接运行，或将图像拖入终端及添加路径进行多模态交互。该模型支持手写识别、OCR、图表分析及图像问答等功能。运行 11B 模型需至少 8GB VRAM，90B 模型需至少 64GB VRAM。此外，文档提供了 Python、JavaScript 及 cURL 的调用示例。
PythonAI算法
Ollama 支持 Llama 3.2 Vision 及视觉 RAG 系统搭建指南
综述由AI生成Ollama 现已正式支持 Llama 3.2 Vision 模型，提供 11B 和 90B 参数版本。介绍如何在本地通过 Docker 更新并拉取该模型，展示其在图像识别、OCR、图表分析及图片问答方面的能力。此外，还演示了基于 LocalGPT-Vision 的视觉 RAG 系统搭建流程，利用 ColQwen 或 ColPali 进行页面检索，结合视觉语言模型实现文档对话。通过上传 PDF 并索引，用户可针对文档内容进行提问，验证了…
Python
Python 爬虫基础教程：豆瓣电影 Top250 数据抓取
综述由AI生成Python 网络爬虫的基本概念及环境准备，通过爬取豆瓣电影 Top250 的案例，演示了使用 requests 获取网页、BeautifulSoup 解析数据以及 xlwt 保存至 Excel 文件的完整流程。内容涵盖环境搭建、代码逻辑分析及数据存储方法，适合初学者入门学习。
PythonAI算法
LLMQuant 与 Camel AI 战略合作：探索多智能体系统在量化金融中的应用
LLMQuant 与 Camel AI 达成战略合作，旨在利用多智能体系统（Multi Agent System）技术推动量化金融与投资的智能化发展。双方将围绕智能体构建、知识检索与生成（RAG）及 AI 数据处理展开合作。LLMQuant 提供前沿的 AI 量化解决方案，Camel AI 提供多智能体架构支持。此举有助于打造高效智能的量化系统，提升研究效率，加速金融行业进入 AI 新时代。
Python
Python 网页自动化实战：Selenium 与 Requests 应用
使用 Python 结合 Selenium 和 Requests 库实现网页自动化的两种方法。Selenium 模拟浏览器行为适合复杂交互，Requests 直接发送 HTTP 请求效率更高但需维护登录态。文章提供基础代码示例，同时指出自动化脚本存在违反平台服务条款、导致账号封禁及影响服务器稳定的风险，建议仅在授权测试环境中谨慎使用。
PythonAI算法
Qwen2.5-Coder 系列开源：代码能力追平 GPT-4o
Qwen2.5-Coder 全系列开源，包含 0.5B 至 32B 六个尺寸模型。旗舰 32B-Instruct 在代码生成、修复和推理基准上表现优异，部分指标追平 GPT-4o。支持 40 多种编程语言，具备良好的人类偏好对齐能力。提供多种推理部署方案（Transformers、Ollama、vLLM）及基于 ms-swift 的微调指南。适用于代码助手、Artifacts 可视化及本地解释器等实际应用场景。
PythonAI算法
大模型应用开发：RAG 入门与实战
RAG 技术通过检索外部知识库增强大语言模型，有效减少幻觉并提升回答准确性。其核心包含检索器、生成器和排序器，广泛应用于企业知识管理与在线问答系统。实施需考虑硬件算力、模型选型及数据质量。优化方向涵盖算法改进、多模态融合及轻量化部署。学习该领域需具备编程、数学及机器学习基础。
PythonAI算法
本地化知识库问答系统搭建指南：支持 PDF Word 检索与实时对话
综述由AI生成基于 Langchain-Chatchat 搭建本地化知识库问答系统的完整流程。该系统支持 PDF、Word 等文档的自由检索与实时对话。主要步骤包括环境准备（Python 3.8-3.11、CUDA Toolkit）、项目克隆、虚拟环境创建及依赖安装。需配置 GPU 版本的 PyTorch 以加速计算。随后下载 ChatGLM3 大模型及 BGE 向量模型，执行数据库初始化脚本。最后通过 startup.py 启动服务，即可在浏览器中…
Python算法
基于 Python 和 Selenium 的自动化抢票脚本实现
综述由AI生成使用 Python 和 Selenium 库实现自动化抢票的技术方案。核心内容包括模拟人类滑动轨迹以通过滑块验证、处理浏览器指纹特征（如使用 stealth.min.js）、以及执行登录和下单流程。代码展示了匀加速与匀减速的位移计算逻辑，并演示了如何通过 ActionChains 操作浏览器元素完成交互。该方案适用于学习 Web 自动化测试及反爬虫对抗技术。
PythonAI算法
探索 Ovis 多模态大模型量化实战指南
综述由AI生成Ovis 多模态大模型的量化实战。针对消费级设备部署需求，采用 GPTQ 算法对 Ovis1.6-Gemma2-9B 和 Ovis1.6-Llama3.2-3B 进行 4-bit 量化。通过定制 AutoGPTQ 库适配 Ovis 架构，修改模型加载与推理逻辑，并优化校准数据格式。实验表明，该方案在降低显存占用的同时保持了接近原版的性能。文章提供了完整的安装环境、代码示例及微调后自行量化的流程，帮助开发者在本地高效部署多模态大模型。
PythonAI算法
微软 GraphRAG 动态社区选择优化全球搜索成本
综述由AI生成微软研究人员提出了一种名为 GraphRAG 的动态社区选择方法，用于优化全局搜索性能。该方法通过预先评估社区报告的相关性，在 map-reduce 操作前剔除不相关内容，从而显著降低计算成本。实验数据显示，在 AP News 数据集上，动态方法相比静态方法平均降低了 77% 的 Token 成本，同时保持了相当的响应质量。若允许搜索更深层次社区，还能在全面性和赋能指标上获得统计学显著的改进。该方法支持使用较小模型进行相关性评分，进一步…
PythonAI算法
自动化办公中使用的实用 Python 技术
综述由AI生成文章分享了自动化办公项目中应用的五项核心 Python 技术。涵盖内置函数优化代码效率、装饰器扩展功能、类型提示辅助开发、面向对象架构设计及 pathlib 路径管理。这些技巧有助于编写更简洁、可维护性更强的办公自动化脚本。
PythonAI算法
ICML 2024 顶级论文：机器学习领域新进展
综述由AI生成ICML 2024 收录了 2609 篇论文。重点探讨了隐私保护与大模型预训练的冲突、时间序列基础模型 TimesFM 及 LLM 在时序分析中的应用、多实例学习 TimeMIL 以及元数据整合生成模型 Time Weaver。迁移学习方面涉及自适应特征迁移 AFT、图助手 LLaGA、Transformer 量化 FrameQuant 及蒸馏方法 DistiLLM。计算机视觉与音频领域展示了基于状态空间模型的 Vision Mamba…
Python
5 个适用于生活与工作的 Python 自动化项目
综述由AI生成介绍了五个不同难度的 Python 自动化项目，涵盖 Word 文档生成、邮件发送、Web 表单填写、约会软件操作及工作任务自动化。通过 docxtpl、smtplib、Selenium 等库实现具体功能，并提供进阶挑战任务供学习者实践。旨在帮助开发者通过实际项目提升 Python 应用能力。
PythonAI算法
RAG 技术入门：核心原理、优化方案与评估体系详解
RAG（检索增强生成）通过检索外部知识库补充 LLM 上下文，解决预训练数据时效性与垂直知识缺失问题。核心流程包括文档切分、向量化索引、检索匹配及生成回答。优化策略涵盖 Query 改写、混合搜索、父子索引、Rerank 及元数据增强等。评估体系包含检索质量指标（MRR、Hits Rate、NDCG）及生成质量维度（鲁棒性、信息融合等）。 RAG 基础架构、进阶优化方案及评估标准，适用于希望深入理解大模型检索增强技术的开发者。
PythonAI算法
LLM 每周速递：多模态 RAG、RAG 加速、Agent 及模型微调对齐
本周大模型研究涵盖多模态 RAG 系统配置优化、推理时对齐算法 Speculative Rejection、智源 OmniGen 扩散模型架构、Salesforce BLIP-3-Video 视频理解模型、CMU Pangea 多语言多模态模型、斯坦福上下文扩展定律、RAG 推理加速 Block-Attention、AgentStore 可扩展 Agent 平台以及 LLM PEFT 技术综述。内容涉及多模态集成、计算效率提升、知识迁移…
PythonAI算法
多模态知识图谱增强多模态推理能力（ACL2024）
综述由AI生成针对大型语言模型在多模态推理中的幻觉及知识库不足问题，ACL 2024 提出了 MR-MKG 方法。该方法利用多模态知识图谱（MMKGs）通过跨模态学习丰富语义化知识。核心组件包括语言编码器、视觉编码器、KG 编码器、知识适配器及跨模态对齐模块。训练分为预训练和高级推理应用两阶段，且保持 LLM 和视觉编码器权重不变。在 ScienceQA 多模态问答和 MARS 多模态类比推理任务上的实验表明，MR-MKG 仅需训练少量参数即可超越现…
PythonAI算法
当 Batch Size 增大时，学习率该如何随之变化？
综述由AI生成探讨了 Batch Size 增大时学习率的调整策略。介绍了平方根缩放和线性缩放两种经典方法及其理论依据（方差视角、SDE 视角）。重点分析了基于损失函数二阶近似的单调有界结论，指出存在最优 Batch Size 上限。此外，针对 Adam 等自适应优化器，讨论了'Surge 现象'，即 Batch Size 过大时最优学习率反而可能下降。最后给出了数据效率与训练步数的缩放规律及实践建议。