暂无搜索历史
官方有pip安装的方式，为了落地使用，我们还是采用Docker部署的方式，参考链接来自官方部署:
最近我们通过一些新闻博客包括LLMs产品的推出，DeepSearch和DeepResearch这两个词不断的映入我们眼帘。
在启动 Manus (manus.im/app) 项目之初，我的团队面临一个关键抉择：究竟是基于开源基础模型训练一个端到端的智能体模型，还是在前沿大模型的“上下...
下面是对Langchian关于How to Build an Agent文章的翻译，原文可查看
还记得 ColPali、ColQwen 和 DSE 吗？这些模型开创了视觉文档检索的新范式：无需费力地从文档中提取文本进行处理，只需将文档页面视为一系列图像（屏...
当你看到百度文心快码、字节跳动Trae、阿里巴巴通义灵码、腾讯CodeBuddy、Google Gemini CLI、Amazon Kiro、Microsoft...
中文文本纠错工具。音似、形似错字（或变体字）纠正，可用于中文拼音、笔画输入法的错误纠正。python3开发。
大型语言模型（LLMs）中的幻觉检测 是指系统性地识别由LLMs生成的事实错误或无意义输出的任务，而无需依赖外部证据 [Li et al., 2024; Zha...
在现代向量搜索出现之前，我们主要采用“传统”的词袋模型（ Bag of Words, BOW）方法。基于这些方法，我们将待检索的文档（例如谷歌的网页）转化为一个...
论文单位：上海交通大学 2 上海人工智能研究院 3 全球人工智能与机器人峰会 项目地址：https://github.com/GAIR-NLP/DeepRes...
最近看到Exa这家搜索API公司发布了个挺有意思的产品——一个深度研究智能体。这个智能体能自己在网上找资料，直到找到用户需要的结构化信息为止。
最近在研究各种搜索工具的时候，发现一个有趣的现象：很多人还停留在"百度一下"的传统搜索思维里，但其实搜索技术已经悄悄发生了翻天覆地的变化。
研究背景：随着大语言模型（LLMs）的广泛应用，其输出中的幻觉（Hallucination）问题严重威胁可信度和安全性。构建高质量幻觉数据集已成为评估与缓解模型...
信息抽取（Information Extraction, IE）作为自然语言处理的核心任务之一，旨在从非结构化文本中识别并结构化关键信息（如实体、关系、事件等）...
信息抽取（IE）作为自然语言处理的核心任务，是构建知识图谱、支持智能问答等应用的基础。近年来，随着深度学习技术的发展和大规模预训练模型的兴起，IE 数据集呈现爆...
大语言模型（Large Language Models, LLMs）在自然语言处理的多个领域取得了革命性进展，但其固有的“幻觉”问题——即生成看似合理但与事实不...
看着这些大厂的产品，是不是也想实现一个小型DeepResearch？前几天笔者看到一个文章，https://www.newsletter.swirlai.com...
前段时间笔者参加了厦门银行的第五届数创金融杯大模型应用挑战赛，其中初赛是金融监管制度智能问答，属于经典RAG问答，具体比赛任务如下：
最近月之暗面发布了Kimi-Researcher，这是一个基于强化学习训练的自主智能体，在"人类的终极考试"(HLE)中拿到了26.9%的Pass@1分数。更有...
检索增强生成（RAG）通过融合外部知识库与大型语言模型，已成为解决知识密集型自然语言处理（NLP）任务的关键范式。高质量、多样化的数据集是推动RAG技术发展、评...
