博客作者
数据科学家
356
已发布文章
11K
博客获赞
721K
博客浏览
第 17 页
如何在本地环境通过 Ollama 部署 Llama3.1 大模型，并结合 LangChain 框架实现 Python 代码调用。内容涵盖 Ollama 安装与模型拉取、LangChain 依赖配置、基础对话链构建及流式输出实现，同时包含性能优化策略与常见问题排查方案，旨在帮助开发者快速搭建私有化大语言模型应用。
Meta 正式发布 Llama 3 开源大模型，提供 80 亿和 700 亿参数版本。新模型在预训练数据规模、分词器效率及推理架构上均有显著提升，支持 128K 上下文窗口。通过引入分组查询注意力机制和优化指令微调流程，Llama 3 在基准测试中表现优异。此外，Meta 发布了 Llama Guard 2 等安全工具，强调负责任部署与生态系统整合。
提示词工程是大语言模型应用的核心技能，旨在通过优化输入指令提升模型输出质量。详细阐述了明确需求、提供参考文本、任务拆解、角色扮演及系统测试等基本原则，并深入介绍了思维链、少样本学习、温度参数控制等进阶技巧。内容涵盖常见误区如幻觉问题、上下文限制及隐私安全，同时扩展了软件开发、数据分析、内容创作等实际应用场景。强调 AI 应被视为协作伙伴，需结合人工把关与持续…
美国金融咨询公司 Clarify Capital 进行了一项对比实验，结果显示由 GPT-4 生成的融资企划书在吸引投资人和企业主方面表现显著优于人工撰写版本。实验涉及 500 名参与者，80% 的受访者认为 AI 生成的方案更具吸引力，AI 方案获得投资的可能性是人类的三倍。该研究覆盖科技、金融和营销领域，表明 AI 在不同行业均具备高水准的内容生成能力。…
人工智能三大流派及大模型定义，详细阐述了 ChatGLM3-6B 和 Llama3.1 的本地环境搭建、依赖安装及推理代码实现。涵盖从基础理论到实际部署的全流程，帮助开发者快速上手大模型应用开发。
检索增强生成（RAG）技术通过结合外部知识库与大语言模型，有效解决了模型幻觉、知识过时及隐私保护等问题。系统梳理了 RAG 的技术演进，涵盖朴素、进阶及模块化三种范式，深入解析检索、增强与生成的核心组件。同时对比了 RAG 与微调策略的适用场景，介绍了上下文相关性、答案忠实性等评估指标，并展望了垂直优化、多模态拓展及生态建设等未来发展方向。
精选了 9 本关于人工智能、机器学习及大模型的入门经典书籍，涵盖从基础理论到 TensorFlow、Python 实践的深度内容。书单包括《认识 AI》《增强现实：原理与实践》《基于 TensorFlow 的深度学习》等，适合非技术高管、初学者及开发者阅读。文章同时梳理了从系统设计、提示词工程到微调开发的七阶段学习路径，为读者提供从理论到实践的全方位指导，帮…
对比了 Qwen2.5-VL-7B 与 Janus-Pro-7B 在表格解析、数学解题及图像文字识别方面的表现。测试结果显示，Qwen2.5-VL-7B 在结构还原和逻辑推理上优于 Janus-Pro-7B，后者存在不回答或幻觉问题。尽管 7B 参数模型在复杂表格解析上仍有局限，但 Qwen2.5-VL 整体表现更佳。建议理性看待技术，避免无脑吹捧。
AI 知识库通过向量检索与知识图谱支持企业语义化信息管理，智能代理则具备感知、规划与执行能力。详细阐述了两者的核心概念、技术架构及企业落地方案，重点介绍了 RAG 与 Agent 的融合模式，并提供基于 Python 的代码示例。内容涵盖数据处理、模型集成、安全部署等关键环节，旨在帮助开发者构建高效、准确的智能化系统。
基于《GPT 图解大模型是怎样构建的》一书，系统梳理了自然语言处理技术的发展脉络。从人工智能起源到 ChatGPT 时代，详细讲解了 N-Gram、Word2Vec、RNN、Transformer 等核心算法原理及构建方法。书中采用问答与图解形式，结合实战项目帮助读者从零搭建语言模型，适合初学者及从业者深入理解大模型底层逻辑与技术演进。
人工智能行业的市场趋势与人才需求，指出 AI 专业人才需求预计显著增长。探讨了美国相关政策对留学生移民的影响，详细解析了 ChatGPT、DALL-E 3、Midjourney、Stable Diffusion 及 Leonardo 等主流 AI 工具的技术原理与应用场景。文章还梳理了全球高校对 AI 生成作品集的政策差异，强调了透明度与辅助作用的重要性，并…
系统梳理了 Python 语言的学习路径与核心技术点。内容涵盖环境搭建、基础语法、流程控制、数据容器、函数定义、文件操作及异常处理等关键模块，并提供代码示例辅助理解。同时整理了从入门到进阶的经典书籍与学习方向，帮助初学者建立完整的知识体系，掌握实际开发能力。
AI 大模型时代重塑了技术岗位格局，带来了工程师与项目管理者的双重机遇与挑战。详细分析了 AI 工程师、数据工程师、模型架构师等新兴角色的职责与要求，梳理了数学、编程、机器学习等核心知识体系，并探讨了开发者转型面临的技能缺失、数据处理及快速迭代等挑战，提供了相应的学习路径与建议。文章还推荐了相关书籍，旨在帮助技术人员适应智能化开发模式，提升解决复杂问题的能力…
介绍大模型应用开发的基础流程。涵盖工具准备（MiniConda、PyCharm）、环境配置（清华镜像）、项目创建、模型下载与加载（基于 ModelScope 和 ChatGLM3）、API 服务构建（FastAPI+Uvicorn）以及客户端开发（Gradio）。通过实战案例展示如何从零搭建一个简单的大模型交互系统，解决环境依赖、运行耗时及结果验证等常见问题…
LlamaIndex Workflows 是一种事件驱动的框架，用于编排复杂的 RAG 与 Agent 应用。相比传统的链式或 DAG 结构，它支持循环、并行及灵活分支。核心概念包括 Workflow、Step、Event 和 Context。其设计思想、关键组件及基于 RAG 场景的代码实现示例，展示了如何通过事件传递驱动工作流执行，并对比了其与 Lang…
包括 NNI、AdaNet、Vicuna-13B、Yi 系列、BERT、GPT、RoBERTa 等在内的热门开源 AI 大模型项目。内容涵盖各模型的优缺点分析、适用场景以及国内主流大模型如讯飞星火、文心一言、智谱清言等的特性。此外还梳理了大模型学习路线，涉及系统设计、提示词工程、平台应用开发、微调开发及多模态技术等内容，并补充了 Transformer 架构…
分享了 SRC 漏洞挖掘的实战经验，涵盖公益 SRC 合规边界、常见漏洞类型（SQL 注入、XSS、信息泄露）的检测方法与验证技巧、常用工具（sqlmap、Xray、爬虫）的使用指南、目标站点寻找策略（Google Dorks、子域名枚举）以及实战中的注意事项。文章强调了安全操作规范，如 SQL 注入仅获取库名、XSS 仅获取自身 Cookie、及时删除泄露…
探讨了生成式 AI 对企业的颠覆性影响及未来趋势，涵盖模型瘦身、开源挑战及多模态发展。分析了防御型、差异化及变革型三类用例的业务价值与筛选方法。阐述了提示工程、检索增强生成（RAG）与微调等技术实现路径的选择策略，并强调了数据安全、合规性及风险管理的重要性，为企业部署生成式 AI 提供决策参考。
汇总了 OpenAI 最新直播前瞻、AI Agent 行业地图、职场 AI 趋势报告及产品留存策略。内容包括 GPT-4 版本分化、轻量版及语音交互预期；Prosus 与 Insight Partners 对 AI 自动化市场的判断；微软领英报告中关于员工 AI 使用率与管理层担忧的数据；以及 Bryan Kim 提出的 7 条 AI 产品留存提升建议。此外…
对希望转行做大模型的 AI 产品经理，梳理了所需的基本素质和技能，包括对技术、数据、用户、产品及团队的理解。文章提供了自我检测的五个维度，建议从原理、应用、优缺点及实践四个方向学习大模型技术，并介绍了通过行业分析、用户研究等方法寻找应用场景。此外，还强调了与技术及业务团队合作实现产品商业化的重要性，总结了大模型带来的机遇与挑战，并展望了端侧部署、多模态融合等…
