博客作者
Go语言开发者
356
已发布文章
8.3K
博客获赞
789K
博客浏览
第 17 页
Java 开发者转型人工智能具备坚实基础，凭借良好的编程逻辑和工程经验可快速适应。当前 AI 岗位需求持续增长，薪资普遍高于传统 Java 开发，尤其在算法工程师等核心岗位。转型需补齐数学基础（线性代数、概率论）、掌握 Python 语言及主流框架（如 TensorFlow、PyTorch）。建议从数据分析入手，逐步深入机器学习与深度学习，通过实战项目积累经…
深入分析了 Android 网络请求框架 Retrofit 的源码实现。内容涵盖基本使用流程、Retrofit 构建过程中的建造者与工厂模式、创建接口实例时的动态代理与外观模式、以及请求执行的同步与异步流程。文章详细解读了 ServiceMethod 解析、CallAdapter 与 Converter 的查找机制，并补充了线程调度、错误处理及性能优化等最佳…
综述了大语言模型评测方法，涵盖经典与新型评测范式。文章分析了自然语言理解与生成能力的经典评估，指出新生任务缺乏基准、任务区分度不足、评估不公平及基准污染等问题。随后详细介绍了 HELM 提出的全面评测体系，包括准确率、校准度、泛化能力、适配能力、鲁棒性、效率、偏见、公平性及有害性等维度。最后探讨了基于模型的评测、幻觉问题评测及元评测等新方向，旨在为模型性能评…
2025 泰晤士高等教育世界大学排名正式发布，全球共有 2092 所高校入榜，牛津大学位列第一，清华大学在中国内地高校中排名第 12 位。文章详细分析了排名数据及亚洲高校的崛起趋势，并针对 AI 大模型时代的技术挑战，提供了一套系统化的学习路径。内容涵盖基础理论、API 开发、应用架构及私有化部署四个阶段，旨在帮助技术人员掌握 LLM 相关技能，适应行业变革…
LangChain 中向量存储和检索器的核心概念与使用方法。涵盖了文档对象的结构、基于 Chroma 的向量存储初始化与查询方式，以及通过 Retriever 集成到 LangChain 表达式语言（LCEL）的流程。最后展示了如何将检索结果与 LLM 结合构建简单的 RAG 应用。
在 MacOS 环境下使用 Ollama 和 Open WebUI 部署 Google Gemma 7B 大模型的全过程。文章涵盖了从环境准备、模型拉取、Web 界面配置到性能基准测试的完整流程。基于 M1 芯片的实测数据显示，16GB 内存可流畅运行 7B 模型，响应时间在 20-30 秒左右。评估表明，该模型在文本总结、基础翻译和简单代码辅助方面表现良好…
LLM 大模型推理加速的四种主流量化方法：AWQ、AutoGPTQ、bitsandbytes 和 llama.cpp。内容涵盖各方法的原理、安装步骤、核心代码实现及配置参数解析。通过对比不同量化方案在预填充和解码阶段的性能数据，提供了针对不同硬件环境和业务需求的选型建议，帮助开发者在显存受限情况下有效部署大模型。
大语言模型（LLMs）是深度学习领域的前沿技术，能够理解并生成类人文本。详细阐述了 LLMs 的定义、类型（如基于 Transformer 的架构）、核心组件及训练流程。内容涵盖分词、嵌入、注意力机制的工作原理，以及聊天机器人、翻译、代码生成等应用场景。此外，还探讨了上下文理解、伦理偏见缓解及持续学习等未来趋势，并提供了从初阶应用到商业闭环的系统化学习路径建…
演示了如何通过 ChatGPT 界面定制专属 GPT 智能体，涵盖配置知识库、能力选项及动作设置。测试表明，虽然生成的机器人语言风格可调，但在深度逻辑和自媒体创作上存在局限。文章建议将大模型应用于副驾辅助、工具类助手、说明书撰写及娱乐场景，并介绍了通过 OpenAI Assistant API 实现更灵活自定义的方法。
LLM 结合 Embedding 构建问答系统存在多知识点聚合召回精度低、交互链路长、Token 开销大等局限。分析根源并提出优化方案：利用传统 NLP 技术（如 HanLP）进行关键词提取和成分句法分析，替代直接对原始语句 Embedding。通过提取名词短语并处理修饰、并列关系生成关键词列表，再结合 LangChain Agents 进行意图识别与工具编…
探讨了 LangChain 框架的工程化设计理念，从基础 API 调用开始，逐步构建链（Chain）、记忆（Memory）、检索增强生成（RAG）及智能体（Agent）。文章介绍了如何利用 LCEL 声明式语言简化开发，结合向量数据库解决幻觉问题，并通过工具调用实现自主决策。最后总结了 LangChain 的架构组件，为开发者构建复杂 AI 应用提供了完整的…
详细解析了大语言模型（LLM）推理阶段的解码策略。主要涵盖贪心搜索、集束搜索及多种采样方法（温度采样、Top-k、Top-p）。文章解释了各方法的数学原理、优缺点及适用场景，并提供了基于 HuggingFace Transformers 的实战代码示例。通过对比分析，指导开发者如何根据任务需求（如准确性或多样性）选择合适的解码参数，以优化模型生成效果。
详细解读了阿里发布的 Qwen2.5 技术报告。文章涵盖了研究动机、核心创新点、模型架构、训练方法及实验结论。Qwen2.5 将预训练数据扩展至 18 万亿词元，支持从 0.5B 到 72B 的多种模型规模，并引入 MoE 架构。关键技术包括 YARN 和双块注意力（DCA）以支持长达 100 万词元的上下文，以及 DPO 和 GRPO 强化学习策略。实验显…
探讨了生成式 AI 对专业人士工作的影响，提出专业工作包含诊断、推理和治疗三个环节。文章分析了大模型在医学、法律、金融等领域的应用现状及潜力，指出当前模型在考试和特定任务上已接近人类水平，但仍面临隐性知识缺失、工作质量评估困难及人机交互复杂性等挑战。文章强调需建立有效的验证机制，平衡人机依赖度，并建议专业人士通过明确责任边界、持续技能更新及关注伦理隐私来适应…
推荐了 12 本关于大型语言模型（LLM）和自然语言处理（NLP）的书籍。内容涵盖 GPT-3 应用、Transformer 架构原理、模型微调与部署策略、以及基于 LangChain 和 AWS 的实际开发指南。这些资源适合希望深入理解底层技术、构建创新产品或进行垂直领域模型训练的开发者与研究人员。通过系统学习，读者可掌握从基础概念到商业化落地的全流程技能…
推荐五本 AI 大模型开发领域的经典书籍，涵盖基础理论、模型构建、应用开发及 Agent 技术。内容涉及 Transformer 架构、LangChain 框架、微调策略及部署实践，适合初学者至资深开发者参考，帮助掌握大模型核心技术与落地方案。文章同时补充了 RAG、微调方法及 Agent 核心概念的技术解析，助力构建完整知识体系。
本书介绍了自然语言处理技术的演进历程，涵盖从 N-Gram、Word2Vec 到 Transformer 及 GPT 的核心原理。通过问答形式与图文结合，详细讲解了语言模型构建方法，并提供八个实战项目指导读者从零搭建模型。内容适合 NLP 初学者及希望深入理解大模型底层逻辑的开发者，重点在于技术脉络梳理与代码实战结合。
工业大模型作为大模型技术在工业领域的延伸，目前处于萌芽阶段。文章分析了大模型的概率模型本质及其不可解释性、幻觉等特征，指出工业互联网积累的数据资产为大模型落地提供了基础。市场玩家多为原有工业互联网平台厂商，切入点在于自身技术或行业优势。商业模式目前以定制化解决方案为主，API 调用等模式尚在探索。文章探讨了大小模型并存协同的关系，认为平台化服务是未来趋势。主…
吴恩达提出的四种 LLM Agent 工作流及其 Prompt 设计方法。内容涵盖规划（ReAct 与 CoT）、反思（Reflexion）、工具调用及多智能体协作四大核心模块。文章强调了示例驱动（Few-Shot）的重要性，指出没有万能 Prompt，需结合特定任务设计。重点解析了 TAO 循环、思维链推理、自我纠错机制以及工具调用的参数防幻觉策略。同时提…
介绍微软开源的 GraphRAG 方案，通过构建知识图谱增强大模型检索能力。内容涵盖环境搭建、配置文件修改、索引构建及查询方法（局部与全局），并针对国内大模型适配提供具体配置示例与注意事项。重点解析了 LLM 与 Embedding 模型配置、Token 消耗管理及常见错误排查，适合希望落地 GraphRAG 技术的开发者参考。
