首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
AI应用开发
订阅
更贴近大模型调用,集中于RAG和Fine-tuning。 关键词:知识库、模型微调、检索增强生成
困了就吃
更多收藏集
微信扫码分享
微信
新浪微博
QQ
3篇文章 · 0订阅
卡内基梅隆大学总结的15种RAG框架
卡内基梅隆大学在RAG方向上总结了一下15种RAG框架的优点、问题,同时对RAG的发展方向做了一些论述。做AIGC RAG落地的朋友可以看一下
第二章:构建知识库与向量化
第二章:构建知识库与向量化 2.1 引言 在第一章中,我们介绍了 RAG 的基本概念、核心组件以及开发环境的配置。作为 RAG 系统的第一步,构建一个高效的知识库并对其内容进行向量化是至关重要的。知识
前端视角下认识 AI Agent 和 LangChain
在过去的一年里,我们见证了大型语言模型(LLM)的飞速发展。从 ChatGPT 到各种开源模型,它们强大的对话和内容生成能力,已经深刻地改变了我们获取信息和进行创作的方式。无论是写代码还是做翻译,AI