文章探讨AI在人力资源管理领域的应用前景，包括招聘、员工敬业度、绩效管理等方面。借助AI提高效率、预测员工离职、组织网络分析。文章观点新颖，深入解析AI在人力资源领域的潜力与挑战。   阅读全文

本篇博客介绍了人工智能论文《phi-1：高质量小数据小模型逆袭大模型》的内容，文章指出通过高质量的「小数据」来训练小模型，性能可以达到与大型模型相近的效果。博客介绍了该论文的主要发现及细节，包括数据选择的重要性、模型架构的细节、微调对模型性能的提升等。   阅读全文

LangKit是WhyLabs推出的文本监控工具，专为解决大语言模型生成虚假信息、数据隐私等问题设计。提供文本监控、安全隐私、情绪分析等功能，可精准监控大语言模型活动。通过可视化数据监测，降低模型非法内容输出风险。使用流程简单，保障数据安全。   阅读全文

利用文本描述自动生成论文图表，FigGen方法实现便捷科研图表生成。通过潜在扩散模型学习论文图表与文本间的关系，省去绘图繁琐。科研图表自动生成可节省时间、提高理解度。探索图表生成的潜在挑战及解决方案。   阅读全文

本文详细介绍了LLM学习路线，包括大模型的应用、实践、进阶、建造自己的AI助手、GPT理论和前沿，以及商业模式思考。学会利用大模型赋能业务，创造更多机会。体验大模型产品，了解GPT的各种使用场景和能力边界。掌握LLM的应用层开发框架，结合业务实现大模型的落地应用。   阅读全文

本文介绍了OpenAI GPT-3模型的微调方法，包括微调的含义、与提示的关系、定价策略、关键要点、微调步骤以及微调场景。通过本文，读者将了解到如何对GPT-3模型进行微调，并根据特定的数据集训练新的模型，从而在特定场景中获得高质量的输出。微调模型不仅可以满足个性化的需求，还能在特定任......    阅读全文

本文介绍如何使用embedding提升问答质量。通过计算语料和提问的相似度，在prompt中加入上下文语料，获取更准确的回答。结合fine-tune优化GPT-3模型，提高问答准确率。   阅读全文

本文介绍了OpenAI的fine-tune和embedding技术。fine-tune通过微调模型，使其更贴合实际使用场景。embedding将内容实体映射为低维向量，可计算内容间的相似度。两者结合使用，能提高模型的回答质量和效率。参考资料详见文中链接。   阅读全文

描绘一幅“长河落日圆”的静谧画面。在遥远的东方，一条蜿蜒的河流缓缓流淌，落日余晖洒在河面上，金色的光芒与河水交相辉映。岸边，古朴的建筑与绿树相映成趣。在这宁静的时刻，人们停下脚步，沉浸于这美景之中，感受大自然的恩赐。艺术风格采用中国画式的水墨画风，注重意境的表现。   阅读全文

周伯文谈通用大模型如何突破垂直行业场景，包括新的交互与协同范式、国内大模型创业的挑战与机会，以及生成式AI在消费领域的潜力。他认为，大模型在商业中的应用需结合垂直行业场景，具备通用能力与专业能力。衔远科技瞄准消费领域，通过大模型赋能企业产品的全生命周期。   阅读全文

本文主要介绍LLM-Blender这一大型语言模型排序融合框架，通过集成学习的方法综合多个开源的“弱”LLM的能力，使其整体成为“强”LLM。文章详细介绍了LLM-Blender的构成及运行流程，并构建了新的指令数据集MixInstruct用于测试。实验证明LLM-Blender能显著提高回答质量。   阅读全文

近日，首个自研全开源自然语言低代码GPT应用快速开发框架PromptAppGPT迎来重要更新，增加对网页搜索、图片搜索等多个执行组件的内置支持。基于ChatGPT技术，该框架降低AI全自动助手的开发和运行门槛，通过My AutoGPT示例展示其能力。更新后的PromptAppGPT支持......    阅读全文

本地部署的隐私保护文档问答系统localGPT，使用本地大语言模型处理文档分析、推理等任务，无需担心数据泄露。项目支持多种文件格式，默认使用GPU进行快速推理，并可方便切换模型，提供API和WebUI访问方式，适用于隐私敏感的文档处理需求。   阅读全文

从头开始创业的挑战与AI工具的助力。文章介绍多款AI工具如Ideas AI、ValidatorAI、Namelix、Namy、Octane AI、Postaga、Jasper AI等，帮助生成商业创意、验证想法、取名、优化SEO等。AI的出现让创业过程变得更简单。   阅读全文

通过LangChain库轻松生成Cypher查询，从Neo4j图中高效检索信息。探索知识图谱的力量，实现自然语言与图数据库的双向转换。利用LangChain的模块化优势，将Cypher搜索功能融入LLM应用程序中。   阅读全文

本文探讨生成式人工智能对企业带来的挑战与机遇，分析中小企业如何利用这一技术提高业绩。文章指出生成式人工智能的实际价值，同时强调面临的挑战，如技术成熟度、应用领域的知识差距等。文章还提醒创业者、企业高管和投资者关注人工智能的法规和伦理规范。本文旨在帮助企业认识到生成式人工智能的潜力，以及......    阅读全文

知名推特博主@agishaun分享LLM开发的五个要点，帮你节省50%时间。学习使用LLM进行开发，强调整合LLM到开发流程中的重要性。分享关于数据质量、向量数据库、框架使用等方面的经验。同时，介绍正确的LLM使用方法和开发周期，强调提示工程的重要性。通过优化开发流程，减少错误率，更充......    阅读全文

AI时代新的产品设计范式是什么？文章探讨了GUI与LUI的转化，以及AI对产品设计的影响。从生成新软件的视角出发，结合Geoffery Litt的思考框架，探讨了未来软件的发展趋势。同时，介绍了AI原生的产品设计理念，提出AI原生并不意味着空白对话框，而是需要根据AI的能力和限制重新设计能力和交互。   阅读全文

本文介绍了一个新兴的LLM应用栈的参考架构，涵盖了如何使用大型语言模型（LLM）构建应用程序。文章详细解释了新兴的LLM应用栈的各个组成部分，包括情境学习、嵌入、提示策略等，并探讨了未来的发展趋势和挑战。此外，文章还介绍了智能代理框架在LLM应用架构中的潜力。   阅读全文

本文主要讲解何时需要微调你的大模型（LLM），包括使用闭源API、微调LLM和从头开始训练的优缺点。通过实例说明，微调LLM在某些领域可以取得与ChatGPT相似的效果，而成本相对较低。文章还探讨了LLM在特定领域的应用价值，以及如何确定何时进行微调或训练整个特定领域的LLM。   阅读全文