AI大模型 今日: 0|主题: 313|排名: 11 

1.资源 课件资料：https://github.com/stanford-cs336/spring2025-lectures clone下来后，将var目录移动到trace-viewer中的public目录内，将images目录也移动到public目录内，然后cd trace-viewer，以此命令npm install和npm run dev，到浏览器打开如下链接来看第一章的课件： http://localhost:5173?trace=/var/traces/lec ...

前言 LLM模型微调 能让大模型掌握特定行业的深度知识，能够实现AI虚拟主播，AI医生，AI程序员，AI网络安全工程师等特定领域的延展。更重要的是，当有本地部署的硬件条件限制时，能够让微调后小的大语言模型等效百亿级的大语言模型 测试环境：windows11，RTX4070显卡 下面将手把手带你跑通无代码模型微调的全过程 环境安装 ...

目录 1.Ai Copilot实践与应用... 1 2.Ai Coding带来的好处与挑战... 1 2.1 带来的好处... 2 2.2 面临的挑战... 2 3.Ai体征分析助手项目介绍... 2 3.1业务介绍... 2 3.2技术体系... 7 4.总结... 8  基于Ai Coding，20天完成一个基于大模型的医学分析系统：Ai体征分析助手  　　我是一名长期使用C#开发后台服务与 ...

长亭MonkeyCode AI开发平台上线：免费算力赋能，AI助力全场景工程级研发落地 当前AI编程工具层出不穷，但多数仅能应对“代码撰写、Demo运行”的基础场景，难以匹配真实工程研发的复杂诉求。长亭科技全新推出的AI开发平台MonkeyCode，成功突破这一行业瓶颈——平台以企业级研发标准构建，让AI深度参与从需求梳理到Review验收 ...

核心摘要 (TL;DR) 目标：为本地的 Ollama 模型穿上漂亮的图形化界面 (GUI)。 工具：Docker + Open WebUI (社区最活跃的开源 WebUI)。 核心功能：媲美 ChatGPT 的对话界面、本地知识库 (RAG)、自定义角色 (Agent)。 相信各位友人在上一篇文章中，已经学会了如何用ollama在终端中运行Qwen模型。命令行工具有时候会感觉有 ...

简介 YOLO是目前计算机视觉领域最前沿、应用最广泛的目标检测算法框架，他能快速识别区分目标，广泛应用于游戏，无人驾驶，工业等领域。 以识别躲避掉落滑块的游戏的物体图片作为例子。 一，环境配置 pip install ultralytics 二，准备数据集 这个格式目录如下： my_dataset/ ├── data.yaml # 配置文件（定义路径和类别 ...

简介 Gymnasium 为强化学习提供了一个标准化的API，它定义了 Agent 应该如何观察世界、如何做出动作以及如何获得奖励，不管是游戏，还是工业设备，只需要满足Gymnasium标准都能使用同一套代码进行训练。 认识Gymnasium 使用stable_baseline3只需要定义好Gymnasium环境，关注训练的奖励机制，将重点放在业务的开发上而不是复 ...

简介 stable_baseline3 是一个基于 PyTorch 的强化学习算法开源库，里面集成了多种强化学习算法，使用这个开源库能够让我们不需要过度关注强化学习算法细节，专注于AI业务的开发。 环境配置 pip install stable-baselines3 pip install gymnasium 这里stable-baselines3会默认安装pytroch框架，但是是不带cuda版本的，这就 ...

claude模型有以下版本：haiku(诗)，Sonnet(好诗)，Opus(杰作) claude不同模型之间对比 模型版本 速度 成本 智力水平 最佳应用场景 Haiku 极快 ⚡️ 最低 💰 入门级 客服、翻译、大量简单数据清洗 Sonnet 快 🚀 中等 💰💰 高级 (主流) 编程、日常办公、视觉分析 (性价比之王) Opus 较慢 🐢 最高 💰💰💰 顶级 🧠 ...

大多数“智能客服失败”，不是模型不行，而是期望错了 如果你做过或接触过智能客服项目，大概率会经历一个相似的心理过程： 一开始觉得： “现在大模型这么强，客服这种问答场景，不是正好对口吗？” 然后你会很快发现现实是： 问题很杂 规则很多 灰度极多 一句话答错，后果可能很严重 最后，团队往往会把希望寄托在一件 ...

PPO 难，不是因为算法复杂，而是因为它在干一件反直觉的事 如果你第一次接触 PPO 微调，大概率会有一种强烈的挫败感。 你可能已经： 看过 PPO 的算法图 看过 reward / value / policy 的关系 甚至跑过一次训练 但只要你认真问自己一个问题： “PPO 到底在改模型的哪一部分？” 你很可能说不清楚。 你只知道： reward ...

通义深度搜索限时免费中，快来使用吧! 应用开通 1.在阿里云百炼控制台的应用广场中点击通义深度搜索卡片，进入应用详情。 2.首次试用时，点击右上角免费开通完成应用开通。 应用管理 点击我的应用进入应用管理页面。页面展示所有已创建的应用和应用key等信息，首次使用需要新增应用。 应用配置 点击应用卡片或新增应用进 ...

很多 RAG 项目，在“切文档”这一步就已经失败了 如果你认真复盘过几个 RAG 项目，会发现一个非常残酷、但又极其真实的现象。 很多 RAG 系统： 架构看起来没问题 模型选型也不差 embedding、向量库、prompt 都配置齐全 但效果始终“说不上来哪里对”。 而当你真正把检索出来的 chunk 拿出来，自己一条一条读的时候， 你往 ...

本文介绍如何通过Java SDK获取已创建的Collection的状态和Schema信息。 前提条件 已创建Cluster 已获得API-KEY 已安装最新版SDK 接口定义 Java // class DashVectorClient public Response<CollectionMeta> describe(String name); 使用示例 说明 需要使用您的api-key替换示例中的YOUR_API_KEY、您的Cluster Endpoint ...

RAG 最常见的失败，并不是“没效果”，而是“用错地方” 如果你观察过一段时间大模型落地项目，会发现一个非常有意思的现象。 很多团队做 RAG，并不是因为认真分析过需求， 而是因为： “大家都在用 RAG。” 于是 RAG 成了一种默认选项： 有知识问题 → RAG 模型不懂 → RAG 业务效果不好 → 再加一层 RAG 结果就是： 系统 ...

安全问题，往往不是在“上线那一刻”出现的 如果你做过几次大模型微调项目，很可能有一种错觉。 项目初期，一切看起来都很安全。 数据在内网，模型在内网，访问有权限控制， 甚至你可能会想： “我们又不是直接对外提供服务，哪来的安全风险？” 但很多隐私和安全问题，并不是在模型“上线”那一刻才出现的。 它们更像是 ...

写在前面 你是不是也遇到过这种情况：昨天用 Claude Code 写了一段复杂业务逻辑，今天重新打开项目，AI 助手却像失忆了一样，完全不记得你们讨论过什么，只能从头再解释一遍？ 这个痛点，Claude-Mem 给出了解决方案——一个专为 Claude Code 打造的持久化记忆系统，让 AI 助手真正记住你们的每一次协作。 它到底解决了什 ...

当前，生成式人工智能大模型快速普及，其安全可控性直接关系国家安全、社会公共利益及公民合法权益。根据国家互联网信息办公室等七部门联合发布的《生成式人工智能服务管理暂行办法》（国家互联网信息办公室令第15号）第十七条明确要求，“提供具有舆论属性或者社会动员能力的生成式人工智能服务的，应当按照国家有关规定 ...

在 AI 模型不断发展升级的背景下，Claude 4.5 系列带来了 Sonnet、Opus 和 Haiku 三款子模型，每个模型都有其独特的优势和适用场景。尤其是 Opus 4.5，它以其强大的推理能力和响应速度在复杂任务中脱颖而出。 但对于脚本创作者来说，如何在 推理精度 与 响应速度 之间找到最合适的平衡，仍然是一个需要解决的实际问题。本文 ...

简介 AI Agent 不仅仅是一个能聊天的机器人（如普通的 ChatGPT），而是一个能够感知环境、进行推理、自主决策并调用工具来完成特定任务的智能系统，更够完成更为复杂的AI场景需求。 AI Agent 功能 根据查阅的资料，agent的功能点如下： Agent = LLM + 规划 + 记忆 + 工具使用 LLM： 用于回答，推理的AI模型 记忆： 短期记忆 ...