暂无搜索历史
前面文章（通过 AutoGrad 来理解 TextGrad ，反向传播中的自动微分）提到梯度了，那么梯度、梯度下降法是什么？本篇再深入一点来看看。
DSPy 很牛，它不同于 RAG 的思路（建立本地知识库，给提示语更专业的背景知识），DSPy 做了两件事情，第一是它将大模型的执行分解成为一个流程，也可以称之...
首先回顾一下 RAG 技术定义，它可以结合信息检索和生成模型的混合。简单来说，RAG = 预训练的语言模型 + 信息检索系统，使模型能够在生成自然语言时引入外...
GPT-4o 和 Claude 3.5 是时下最热门的大模型，已经有相当多的文章介绍二者差异，不过因为维度不一致、形成的结论是“公说公有理、婆说婆也有理”。
大模型领域，现在除了不断推出各种底层大模型外，还涌现了许多包含复杂组件的复合系统，包括框架、工具等。
2024 ，ES15 带来了一些新的 JavaScript 特性，有新的语法糖、有更先进的异步解决方案、还有全新的正则表达，话不多说，一起来看！
如本瓜在此前的文章中提到过，Prompt 工程已经不中用了，没有人愿意废那么大的劲来学习如何结构化提问，大家想要的就是傻瓜式提问，但是大模型的回答还是精准的、合...
在现有的向量数据库中，典型的上下文增强可能面临挑战：难以捕捉长距离的关联知识，信息稀疏性高（尤其是当LLM上下文窗口有限时）。
在 PyTorch 界里，构建神经网络的神器就是 torch.nn 包。这个包是大脑的搭建工坊，提供无限可能 ✨
思路：构建几十万量级的数据，然后利用这些数据对大模型进行微调，以将额外知识注入大模型；
👋 今天我们继续来聊聊PyTorch，这个在深度学习领域火得一塌糊涂的开源机器学习库。PyTorch以其灵活性和直观的操作被广大研究人员和开发者所青睐。
前一段时间，各个大模型在争斗：谁能携带更长、更大的上下文 Prompt，比如 Kimi 说 200 万字，阿里通义千问又说自己能达 1000 万字；大家都知道 ...
前段时间写过一篇文章:# GPT4-Turbor 128k ？ 还不够？还不够！记得 GPT4-T 的上下文参数量 128k，也就大概 100 万英文字符、50...
2020 年初，Google Chrome 团队推出了“核心 Web 指标”，旨在为网页提供一系列质量信号。
今天介绍一款免费的、文生视频（text-to-video ）的工具 —— Morph Studio.
本篇和大家一起来探究这些知名测试的背后，包括设计原理、实施方法、评估标准等，在这些指标的启示下，将进一步了解人工智能领域 AI 智体的进展与潜力~~
OpenAI 去年11月 推出的GPT-4 Turbo模型，具有128K的上下文窗口，这比此前 GPT4 的最大上下文值 32K 提升了四倍。
书接前文，我们了解了 —— # 刹车与油门：PyTorch Autograd 的赛车之旅，如文所说，自动微分是 PyTorch 深度学习框架的核心。既然是核心，...
Sora，说是 2024 年以来最备受瞩目的生成式模型，一点不为过，它的生成视频的能力、效果，令人咋舌。
# 2023 JavaScript Rising Stars 最新统计趋势显示 JavaScript 最前沿趋势。
暂未填写学校和专业
