稀土掘金 稀土掘金
    • 首页
    • AI Coding NEW
    • 沸点
    • 课程
    • 直播
    • 活动
    • AI刷题
    • APP
      插件
      • 搜索历史 清空
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
    • vip
      会员
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
  • 全部
  • 人工智能
  • AIGC
  • LLM
  • AI编程
  • OpenAI
  • Agent
  • 后端
  • 算法
  • Python
  • 展开
  • 全部
  • 人工智能
  • AIGC
  • LLM
  • AI编程
  • OpenAI
  • Agent
  • 后端
  • 算法
  • Python
  • 前端
  • Trae
  • 程序员
  • MCP
  • 深度学习
  • 计算机视觉
  • 暂无数据
    • 推荐
    • 最新
  • RAG 进化之路:传统 RAG 到工具与强化学习双轮驱动的 Agentic RAG
    本文深入剖析RAG技术的进化历程,从传统RAG到智能体RAG的全面升级。探索两种实现Agentic RAG的关键路径:提示工程+工具调用与强化学习驱动方法。
    • chaofa用代码打点酱油
    • 28
    • 1
    算法 LLM
    RAG 进化之路:传统 RAG 到工具与强化学习双轮驱动的 Agentic RAG
  • ​​🍇Embedding模型怎么选?一文解决RAG应用中最头疼的难题​
    Embedding模型是大型语言模型(LLM)的核心,负责将文本转换为高维向量空间中的数值表示,从而使语义关系转化为可计算的数学关系。如果选错Embedding模型,RAG系统可能会检索到不相关或低质
    • 聚客AI
    • 1.9k
    • 4
    人工智能 LLM Agent
    ​​🍇Embedding模型怎么选?一文解决RAG应用中最头疼的难题​
  • 🚀多模态AI的未来已来:一文读懂VLM的工作原理、优化与挑战​
    随着AI大模型的迅速发展,深入理解视觉语言模型(Vision-Language Model, VLM)的技术内核与发展现状是至关重要的。VLM标志着多模态人工智能的一个重要突破,它使模型能够同时处理图
    • 聚客AI
    • 2.5k
    • 1
    人工智能 LLM 掘金·日新计划
    🚀多模态AI的未来已来:一文读懂VLM的工作原理、优化与挑战​
  • 一台8核CPU,我将“小作坊”的Feed流AI推荐月成本,从1.8万打到了600块
    如何将月成本从18000降到600?今天我就跟大家好好讲讲。这是一个关于Feed流上AI推荐的成本优化方案。
    • 大厂码农老A
    • 1.5k
    • 15
    人工智能 AIGC LLM
    一台8核CPU,我将“小作坊”的Feed流AI推荐月成本,从1.8万打到了600块
  • n8n入门指南:强大的自动化工作流工具
    n8n是一个强大的工作流自动化工具,允许用户通过可视化方式连接不同的应用程序和服务。它将AI功能与业务流程自动化相结合,它可以帮助开发者和非技术人员创建复杂的工作流,实现数据在不同系统间的自动传输和处
    • CodeDevMaster
    • 39k
    • 37
    LLM 人工智能
    n8n入门指南:强大的自动化工作流工具
  • 🎉7.6倍训练加速与24倍吞吐提升:两项核心技术背后的大模型推理优化全景图​
    在大语言模型(LLM)的推理过程中,Attention机制是计算和内存消耗的主要瓶颈。FlashAttention和PagedAttention作为两项革命性优化技术,分别从计算效率和内存管理两个维度
    • 聚客AI
    • 2.5k
    • 1
    人工智能 LLM 掘金·日新计划
    🎉7.6倍训练加速与24倍吞吐提升:两项核心技术背后的大模型推理优化全景图​
  • ​​⭐超越CNN与RNN:为什么Transformer是AI发展的必然选择?​
    当我们在欣赏交响乐时,我们不会只关注某一种乐器的声音,而是感受整体和谐——小提琴的悠扬、大提琴的深沉、长笛的清脆,这些声音相互呼应,共同编织出动人的旋律。在AI的世界里,Transformer正是深度
    • 聚客AI
    • 1.9k
    • 4
    人工智能 LLM 掘金·日新计划
    ​​⭐超越CNN与RNN:为什么Transformer是AI发展的必然选择?​
  • 狂揽 133K Star!优质开源AI项目-提示词指南/提示词工程
    朋友们好,我收集了Github上热度最高的数百个AI领域的开源项目,按照开发者的视角做了分类,一共包含28个分类,分类列表如下图所示。
    • AI大模型
    • 597
    • 4
    LLM Agent 程序员
  • ​​🚫万能Agent兜底:当规划缺失工具时,AI如何自救​
    在多智能体协作调度场景中,尽管存在诸如层级指挥、嵌套模式、转交模式和群聊模式等多种实现方式,但层级指挥模式仍是生产环境中最常用的方式。该模式通常由主代理生成任务拆分,调度工具或子智能体分别执行,类似
    • 聚客AI
    • 2.5k
    • 3
    人工智能 Agent LLM
    ​​🚫万能Agent兜底:当规划缺失工具时,AI如何自救​
  • 【必收藏】12-Factor Agents:让大模型Agent从能跑起来到能用起来的企业级设计指南
    本文详解12-Factor Agents企业级设计原则,助你解决大模型Agent从原型到生产的鸿沟。无论你是面临Agent上线报错、上下文丢失,还是被老板追问项目何时稳定上线的开发者,这套方法论都将指
    • 玩转AGI
    • 46
    • 点赞
    LLM 人工智能 程序员
  • 🌟大模型为什么产生幻觉?预训练到推理的漏洞全揭秘​
    随着大模型迅猛发展的浪潮中,幻觉(Hallucination)问题逐渐成为业界和学术界关注的焦点。所谓模型幻觉,指的是模型在生成内容时产生与事实不符、虚构或误导性的信息。因此,如何识别、抑制甚至消除幻
    • 聚客AI
    • 2.3k
    • 点赞
    人工智能 LLM 掘金·日新计划
    🌟大模型为什么产生幻觉?预训练到推理的漏洞全揭秘​
  • 🌈破解数据瓶颈!看AI Agent如何让人人成为数据分析师
    2025年,商业智能(BI)正经历由AI Agent驱动的根本性变革。传统BI工具从被动的数据展示平台,逐渐演变为能够自主感知、推理、规划并执行任务的主动决策伙伴。本次分享的内容面向企业技术决策者(如
    • 聚客AI
    • 1.1k
    • 2
    人工智能 Agent LLM
    🌈破解数据瓶颈!看AI Agent如何让人人成为数据分析师
  • 建构 AI Agent 应用——保护代理式系统
    采用代理式 AI 带来了有别于传统软件的独特安全挑战。代理式系统具有自治、复杂推理、动态交互与复杂工作流等特征,显著扩大了威胁面。要有效保护此类系统,必须同时应对传统安全问题以及源自代理自治、概率决策
    • 数据智能老司机
    • 36
    • 点赞
    Agent LLM 架构
    建构 AI Agent 应用——保护代理式系统
  • 18岁女孩做养老机器人,上线2天卖爆了
    18 岁,创业做机器人,还卖爆单了! (你的童年我的童年好像不一样) 这款名为 Sam 的养老机器人,就是 18 岁女孩 Audrey Lo 和她的两个同龄朋友的创业产品。
    • 量子位
    • 2.7k
    • 17
    人工智能 LLM
  • 🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
    在人工智能领域,Transformer架构无疑是大模型发展史上最重要的里程碑之一。它不仅构成了当前大模型处理任务的基础架构,更是深入理解现代大模型系统的关键。今天我将通过结合论文原理与PyTorch源
    • 聚客AI
    • 1.9k
    • 2
    人工智能 算法 LLM
    🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
  • 终于有人把AI大模型训练过程讲明白了!!!
    大模型训练过程: 准备 训练 测试 调优 实践 1.准备阶段 在准备阶段,主要工作集中在数据收集、数据清洗以及模型设计上。 数据收集: 收集大量的文本数据作为训练材料。这些数据可以来自互联网、图书、新
    • 智泊AI
    • 71
    • 点赞
    LLM
  • 建构 AI Agent 应用——Agentic 系统的学习机制
    本章介绍将“学习”引入智能体系统的多种方法与集成技巧。让智能体具备随时间学习与改进的能力非常有用,但在设计智能体时并非绝对必要。实现学习能力需要额外的设计、评估与监控工作,是否值得投入取决于具体应用。
    • 数据智能老司机
    • 48
    • 1
    Agent LLM 架构
    建构 AI Agent 应用——Agentic 系统的学习机制
  • 建构 AI Agent 应用——编排
    既然你的智能体已经具备一套可用工具,下一步就是将它们编排起来以解决真实任务。编排不只是决定调用哪些工具、何时调用;还需要为每次模型调用构建恰当的上下文,以确保行动有效且有依据。简单任务也许只需一个工具
    • 数据智能老司机
    • 66
    • 点赞
    Agent LLM 架构
    建构 AI Agent 应用——编排
  • 【深度干货】Transformer推理优化完全指南:模型压缩、推理加速与硬件调优
    本文将深入探讨Transformer推理优化的三大核心方向:模型架构与压缩、推理过程与系统优化以及硬件与编译器优化,分析各项技术的原理、特点与实践案例
    • 夫子396
    • 68
    • 点赞
    人工智能 LLM
    【深度干货】Transformer推理优化完全指南:模型压缩、推理加速与硬件调优
  • 🖼️解密大模型工作链:从输入处理到输出生成的每一个环节​
    你有没有想过,当我们向Deepseek提问时,为什么大模型能识别你的内容并找出你想要的答案,这个看似简单的交互背后,实际上经历着从数据预处理到深度学习推理的复杂技术流程。今天我将拆解大模型生成优质内容
    • 聚客AI
    • 1.0k
    • 2
    人工智能 LLM 掘金·日新计划
    🖼️解密大模型工作链:从输入处理到输出生成的每一个环节​
  • 晚上好!
    点亮在社区的每一天

    推荐话题 换一换

    #挑战每日一条沸点#
    #挑战每日一条沸点#

    20.3m

    #金石焕新程#

    5.4m

    #每日快讯#

    9.2m

    #MCP 怎么玩#

    711k

    #每天一个知识点#

    41.7m

    #新人报道#

    35.1m

    #工作中做得最正确的一件事#
    #工作中做得最正确的一件事#

    344k

    #金石计划征文活动#
    #金石计划征文活动#

    36.5m

    #掘金一周#

    907k

    #我的技术写作成长之路#
    #我的技术写作成长之路#

    8.4m

    查看更多
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 使用指南
    • 友情链接
    • 更多人工智能文章
    • 举报邮箱: feedback@xitu.io
    • 座机电话: 010-83434395
    • 京ICP备:18012699号-3
    • 京ICP证:京B2-20191272
    • police 京公网安备11010802026719号
    • ©2025 稀土掘金