DeepSeekR1的發(fā)布讓整個AI界重新思考成本與性能的關(guān)系。用相對較低的成本訓(xùn)練出媲美GPT4的模型，這種可能性正在變?yōu)楝F(xiàn)實(shí)。而現(xiàn)在，中國AI公司MiniMax又悄然交出了另一份答卷。這家因海螺（Hailuo）AI視頻而聲名鵲起的公司，剛剛發(fā)布了他們的最新大型語言模型MiniMaxM1。M1完全采用Apache2.0許可證開源，任何企業(yè)和開發(fā)者都可以免費(fèi)使用。更有趣的是訓(xùn)練成本：僅用53.47萬美元就完成了完整的強(qiáng)化學(xué)習(xí)訓(xùn)練。MiniMaxM1的成本控制能...

"我覺得未來十年，是一個只要你有能力去動手做、去實(shí)現(xiàn)想法，這種能力就會被極大放大的時代。"——MichaelTruell,CursorCEO最近Cursor的CEOMichaelTruell接受YCombinator的一段長訪談，Cursor站在AI編程的最前沿，通過這次訪談帶領(lǐng)我們更好的看清楚AI編程的視角。我們正在經(jīng)歷編程史上最重要的范式轉(zhuǎn)換——從手工編寫代碼的"人工編譯器"時代，躍遷到專注創(chuàng)意和邏輯的"設(shè)計師"時代。如果有一天你只需要描述你想要什么，電腦就能...

在自然語言處理（NLP）領(lǐng)域，我們面臨的第一個挑戰(zhàn)就是如何讓計算機(jī)理解人類的語言。計算機(jī)不認(rèn)識漢字或字母，它們只懂?dāng)?shù)字。因此，我們需要一種方法，將詞語轉(zhuǎn)換成計算機(jī)可以處理的數(shù)字形式。1.什么是詞向量？我們不能直接把"蘋果"這兩個字輸入到機(jī)器學(xué)習(xí)模型中。模型無法進(jìn)行任何計算。我們需要先把它變成一組數(shù)字。早期的方法早期自然語言處理方法，如獨(dú)熱編碼和詞袋模型，雖然對某些機(jī)器學(xué)習(xí)任務(wù)有用，但并不能捕捉到詞的意...

介紹了Anthropic的元提示詞工具，展示了如何編寫清晰、具體、結(jié)構(gòu)化的提示詞。深入講解了提示詞工程的重要性，并總結(jié)了寫作提示詞的三個核心原理與技巧，讓用戶能像指導(dǎo)新員工一樣高效地引導(dǎo)AI，獲得穩(wěn)定準(zhǔn)確的輸出結(jié)果。1.提示詞工程基礎(chǔ)：Anthropic元提示詞的核心理念什么是提示詞工程Anthropic元提示詞第1行的核心思想2.Anthropic元提示詞教你的三個寫作原理原理1:讓AI分步驟思考不要一次性處理復(fù)雜任務(wù)原理2:用完整示例教會...

本文介紹了在增強(qiáng)檢索生成（RAG）流程中，文本分塊的重要性和實(shí)現(xiàn)方式。詳細(xì)解釋了為什么要對文本進(jìn)行切分及代碼示例，展示了分塊后的效果。通過合理分塊，可以有效應(yīng)對模型的輸入限制，提升檢索與生成的質(zhì)量，是構(gòu)建高效LLM應(yīng)用的關(guān)鍵步驟之一。1.文檔分塊的原因2.文檔分塊的基本思路2.1基于長度的分塊類型2.2代碼實(shí)現(xiàn)2.2拆分結(jié)果3.圖形化顯示分塊總結(jié)在快速發(fā)展的自然語言處理（NLP）領(lǐng)域，增強(qiáng)檢索生成（RAG）已成為提高AI生...

隨著GenAI技術(shù)的突飛猛進(jìn)，LLM的"幻覺"問題已成為業(yè)界關(guān)注焦點(diǎn)。最近，由Vectara發(fā)布了一份《幻覺排行榜》，對主流模型的幻覺表現(xiàn)進(jìn)行了系統(tǒng)對比。量化展示了不同LLM的幻覺率差異采用Vectara自研的HHEM2.1評估模型為選型提供一個參考本排行榜使用Vectara的商業(yè)幻覺評估模型HHEM2.1，來計算LLM排名（更新于2025年4月29日）排行榜地址：??https:github.comvectarahallucinationleaderboardtabreadmeovfile????https:hugging...

在RAG系統(tǒng)中，僅靠向量相似度檢索容易造成信息重復(fù)或片面。為提升回答的多樣性與覆蓋度，引入MMR（MaximumMarginalRelevance）算法能有效在“相關(guān)性”與“多樣性”之間取得平衡，從而挑選出既相關(guān)又不重復(fù)的信息，提升系統(tǒng)輸出的質(zhì)量與實(shí)用性。1.MMR是什么，它能解決什么問題？2.MMR的基本思想3.MMR的原理和公式解析3.1算法流程3.2舉個例子：摘要任務(wù)中的MMR4.MMR的應(yīng)用場景4.1.信息檢索（比如搜索引擎的結(jié)果排序）4.2.問答系統(tǒng)...

在RAG的核心步驟中，有一個至關(guān)重要的步驟：“文本分塊（TextSplitting）”。它的主要作用就是把一大段文本切分成更小、更合理的片段，這樣模型才能更好地理解、處理或者存儲這些內(nèi)容。如果一整篇文章不拆開，那embedding的顆粒度太粗，問答的時候很容易不準(zhǔn)。所以切得好不好，直接影響最后答案的相關(guān)性和準(zhǔn)確性。最基本的分塊方法是根據(jù)文檔的長度進(jìn)行拆分。這種簡單而有效的方法確保每個塊不會超過指定的大小限制?；陂L度拆...

RAG（檢索增強(qiáng)生成）是一種很厲害的技術(shù)，能幫助企業(yè)開發(fā)更智能的AI應(yīng)用。這類AI不僅能結(jié)合實(shí)時數(shù)據(jù)，還能利用企業(yè)自己的數(shù)據(jù)，生成更自然、更有互動感的對話。RAG的核心思路是讓AI在回答問題時，不是光靠自己“想”，而是先去查找外部的、可靠的專業(yè)知識，把這些信息當(dāng)作參考，讓回答更準(zhǔn)確、更有依據(jù)。但問題在于，AI找到的資料是否靠譜，直接決定了它給出的答案是否可信。所以，優(yōu)化RAG的搜索過程非常重要，能有效提升AI生成...

本文整理了MCP的基本協(xié)議規(guī)范，包括協(xié)議架構(gòu)、協(xié)議基本消息類型、協(xié)議生命周期管理、協(xié)議的傳輸層1.協(xié)議之架構(gòu)1.1基本組件1.2基本消息類型1.3能力協(xié)商2.協(xié)議規(guī)范之基本消息類型2.1Requests（消息請求）2.2Responses（消息應(yīng)答）2.3Notifications（通知）2.4舉例：Client獲取ServerTool列表3.協(xié)議規(guī)范之生命周期管理3.1Initialization（初始化）：3.2Operation（操作）3.3Shutdown（關(guān)閉）4.協(xié)議規(guī)范之傳輸層5.參考整個規(guī)范，可...

說實(shí)話，我以前特別怕做PPT。每次老板說“做個PPT吧”，我心里就咯噔一下。光是想到要查資料、寫內(nèi)容、調(diào)格式，我就想原地消失。更別提那些熬夜改來改去的日子了，眼睛都快瞎了，PPT還是丑得沒法看。每次交完P(guān)PT，我都覺得自己被掏空。最近體驗了DeepSeek+Kimi這個神器，簡直像開了掛一樣！它就像個超級助手，幫我搞定所有麻煩事。查資料？它來！寫內(nèi)容？它來！排版設(shè)計？它還來！以前要花一整天才能搞定的PPT，現(xiàn)在10來分鐘就...

流式傳輸允許實(shí)時接收生成的文本，隨著文本的生成而接收。這樣，您就不必等到整個文本準(zhǔn)備好后才能開始向用戶展示。我們將使用LangChain與LLM進(jìn)行流式交互，并使用Streamlit創(chuàng)建應(yīng)用的前端。1.什么是Streamlit？2.什么是LangChain？3.什么是流式輸出？4.代碼實(shí)現(xiàn)4.1安裝依賴4.2導(dǎo)入必要的庫4.3初始化OpenAI語言模型4.4創(chuàng)建StreamlitUI4.5實(shí)現(xiàn)流式輸出4.6管理聊天歷史4.7顯示聊天記錄4.8獲取用戶輸入并生成AI回復(fù)5.運(yùn)行項目總結(jié)...

在辦公場景中，WPS作為一款強(qiáng)大的辦公軟件，不僅提供了豐富的文檔編輯功能，還支持宏（Macro）來實(shí)現(xiàn)自動化處理。隨著人工智能技術(shù)的發(fā)展，將大模型（如ChatGPT、DeepSeek、文心一言等）集成到WPS中，可以大幅提升文檔編輯、內(nèi)容創(chuàng)作、數(shù)據(jù)分析的效率。本文介紹如何通過WPSJS宏調(diào)用DeepSeek大模型，實(shí)現(xiàn)自動化文本擴(kuò)寫功能。1.隨便打開一個word文檔，點(diǎn)擊工具欄“工具”2.點(diǎn)擊“開發(fā)工具”3.點(diǎn)擊“查看代碼”4.在打開的WPS宏編...

最近Distillation這個詞見的非常多。前兩天大火的DeepSeek團(tuán)隊發(fā)布的DeepSeekR1，其670B參數(shù)的大模型通過強(qiáng)化學(xué)習(xí)與蒸餾技術(shù)，成功將能力遷移至7B參數(shù)的輕量模型中。蒸餾后的模型超越同規(guī)模傳統(tǒng)模型，甚至接近OpenAI的頂尖小模型OpenAIo1mini。在人工智能領(lǐng)域，大型語言模型（如GPT4、DeepSeekR1）憑借數(shù)千億級參數(shù)，展現(xiàn)出卓越的推理與生成能力。然而，其龐大的計算需求與高昂的部署成本，嚴(yán)重限制了其在移動設(shè)備、邊緣計算等...

在機(jī)器學(xué)習(xí)中，損失函數(shù)是用來衡量模型預(yù)測值與真實(shí)值之間差距的一個函數(shù)。它在模型訓(xùn)練過程中起著至關(guān)重要的作用，因為通過最小化損失函數(shù)，模型能夠調(diào)整其參數(shù)，從而使得預(yù)測結(jié)果越來越接近真實(shí)值。為了幫助理解這一點(diǎn)，我們將以均方誤差（MSE）為例，詳細(xì)講解什么是損失函數(shù)，以及它在實(shí)際應(yīng)用中的作用。什么是損失函數(shù)？損失函數(shù)是一個用于評估模型預(yù)測準(zhǔn)確性的數(shù)學(xué)函數(shù)。具體來說，損失函數(shù)通過對比模型的預(yù)測值與真實(shí)值，...

BagofWords將文本看作由單詞構(gòu)成的無序集合，通過統(tǒng)計單詞在文本中出現(xiàn)的頻次來表示文本。因此，BagofWords主要用于文本分類、情感分析、信息檢索等自然語言處理任務(wù)中1.什么是詞袋模型（BagofWords）2.實(shí)現(xiàn)BagofWords的步驟2.1文本預(yù)處理2.2構(gòu)建詞匯表2.3向量化文本（詞袋表示）2.4通過文本的向量表示，使用余弦相似度分析句子相似度3.統(tǒng)計詞頻，通過評論提升餐廳滿意度在自然語言處理領(lǐng)域，如何將人類語言轉(zhuǎn)化為機(jī)器能夠理解...

智能體是一種能夠感知環(huán)境、做出決策并采取行動的系統(tǒng)。這些系統(tǒng)能夠執(zhí)行被動的任務(wù)，也能夠主動尋找解決問題的方法，適應(yīng)環(huán)境的變化，并在沒有人類直接干預(yù)的情況下做出決策。1.業(yè)務(wù)需求現(xiàn)在有一個生意很好的鮮花店在運(yùn)營花店的過程中，經(jīng)常遇到特殊情況導(dǎo)致大量花朵損壞，會導(dǎo)致庫存短缺的問題因此花店急需一個能夠精準(zhǔn)預(yù)測和優(yōu)化庫存的解決方案來應(yīng)對這場危機(jī)，否則我們將失去大量顧客并且信譽(yù)受損?？墒?，花店人力嚴(yán)重不足A...

近年來大模型發(fā)展過程中面臨的幾個核心挑戰(zhàn)：靜態(tài)知識的局限性、執(zhí)行能力的缺失、與外部系統(tǒng)的割裂。為了應(yīng)對這些挑戰(zhàn)，推動大模型從單純的語言生成工具演變?yōu)檎嬲娜蝿?wù)執(zhí)行引擎，F(xiàn)unctioncalling誕生了，成為大模型一項不可或缺的核心能力。概念Functioncalling和ToolCalling會混用我們在做應(yīng)用開發(fā)的時候，大部分時候盡量避免直接耦合到OpenAI,會使得程序兼容性不好，這時只要面向LangChain開發(fā)就可以了。LangChain是一個靈...

AIAgent，即人工智能代理，一般直接叫做智能體。是一種能夠感知環(huán)境、做出決策并采取行動的系統(tǒng)。這些系統(tǒng)能夠執(zhí)行被動的任務(wù)，也能夠主動尋找解決問題的方法，適應(yīng)環(huán)境的變化，并在沒有人類直接干預(yù)的情況下做出決策?；诖竽Ｐ偷腁IAgent開發(fā)常用框架包括：LangChain、LlamaIndex、OpenAIAPI1.LangChain是什么？（示例代碼基于v0.3版本）LangChain是一個開源框架，目標(biāo)是將大模型與外部數(shù)據(jù)連接起來，以便開發(fā)者能夠更快和更...

AI就像電力一樣。”這是因為，作為一種通用技術(shù)（類似于電力），AI有著無數(shù)的應(yīng)用場景。如果有人問你：“電力能用來做什么？”這個問題很難回答，因為電力幾乎無處不在。同樣，新興的AI技術(shù)正在為我們創(chuàng)造一個龐大的機(jī)會空間，能夠開發(fā)以前無法實(shí)現(xiàn)的應(yīng)用。經(jīng)常有人問我：“AI最大的機(jī)會在哪里？”我對AI技術(shù)棧的理解是這樣的：在最底層，是半導(dǎo)體技術(shù)。在其上是云基礎(chǔ)設(shè)施。當(dāng)然，再往上是各種基礎(chǔ)模型訓(xùn)練工具和模型本身。大...