今天我们分享一个开源项目，它为微调或者RAG而生，将任何非结构化数据转换为结构化，它就是：OmniParse

大家好，我是石小石！ 随着人工智能Chatgpt的出现，各种国产的AI大模型应用而出，如豆包、文心一言、通义千问、kimi等等，同时，我们也发现有各种各样的套壳APP在割韭菜！ 在这篇文章中，我将介绍

1、引言 由于目前比较火的chatGPT是预训练模型，而训练一个大模型是需要较长时间（参数越多学习时间越长，保守估计一般是几个月，不差钱的可以多用点GPU缩短这个时间），这就导致了它所学习的知识不会是

最简单且高质量的OCR工具，它来了！ 一款基于 Llama 模型实现的开源OCR：Llama-OCR。 对于经常需要将图片、收据或包含表格的 PDF 文档转换为可编辑的文本时候，这款工具就显得尤为重要

本篇文章我们将基于Ollama本地运行大语言模型（LLM），并结合ChormaDB、Langchain来建立一个小型的基于网页内容进行本地问答的RAG应用。

和AI对话时按下回车的那一刻，我会永远期待它带给我的结果。AI虽香，但过度依赖会影响我们独立思考的能力

LangSmith 是 LangChain 推出的 AI 应用调试、监控和测试平台。 LangSmith 会记录大模型发起的所有请求，除了输入输出，还能看到具体的所有细节，包括： 请求的大模型、模型名

LLM大模型新手训练指南, 本文将介绍`如何微调模型` - 即采用预先训练的模型并为其提供少量数据（通常为几 MB），以使其行为与您所想的任何任务保持一致。例如，如果您想要一个编码助手模型，您可以根据

思考 最近用chatGPT API的时候，涉及到输出数学函数公式这一part。 然后在进行测试的时候，发现 输出数学公式的格式是以下这样子： 然后，我测试了一下可以免费使用的星火大模型，它上面输出的数