ai

不知道大家之前有没有被周公解梦和星座预测这类的服务刷屏过，其实这类服务很早之前就有了，甚至是一个不算小众的副业。但是为什么在最近又火了起来呢？欢迎来到AI赋能第二期：周公解梦。 周公解梦的原理是什么？

引言 今天OPENAI发布重磅更新，包括： 1.Chat Completions API 中的新函数调用功能 2.gpt-4和的更新和更易于操纵的版本gpt-3.5-turbo 3.新的 16k 上下

从默默无闻到月活过亿需要多久？ 从默默奉献的理工男到媒体顶流需要多久？ 这个数字是两个月，60天。 这个叫做山姆奥特曼的男人，真的好像日本特摄片中的奥特曼一样，创造了一个不可复制的神话，今天我们来聊聊

6月5号在以色列的特拉维夫大学，Sam Altman和Ilya第一次同台，Ilya气场额外强大， Sam也有不错的发挥。这里将整场访谈对话精华总结。由于本场内容较多，所以精华也很多。 ## 摘要： 在

Language Models, the Chat Format and Tokens 这节课一上来就是介绍LLM是如何工作的： 通过现有的和生成的文本预测下一个单词 现如今有两种LLM模型：Base

这门课程主要介绍Midjourney背后的扩散模型（Diffusion）的原理，还是全英文的，以下是我的学习笔记： Intuition 先解释扩散模型的目标：通过一些特定类型的图片获得更多相关的图片

关于Langchain的知识，之前我已经根据官方文档结合了我的经验和理解写了中文版的Langhain文档，这次吴恩达老师的课程我也再次复习了一下（纯英文无中文翻译真的挺难受的），以下是我的笔记分享：

最近吴恩达老师又出了几门新课，认真看完后，将笔记分享一下。 引言 吴恩达老师介绍了Base LLM和Instruction Tuned LLM 的区别（基础LLM和指令调整LLM）， 前者是通过训练预

最近，英伟达首席科学家Jim Fan等人把GPT-4整进了「我的世界」（Minecraft）——提出了一个全新的AI智能体Voyager。 详细的技术介绍可以参考：这篇公众号文章 阅读完文章了解了技术

不得了了，我使用了将近4个月的chatgpt，也算是chatgpt的重度用户，从来就没有见过这么牛的AI导师！ 事情起因是这样的：最近逛推的时候，发现了关注的大佬在推荐一个github项目：JushB

引文：什么是DragGAN？相信最近一段刷爆国内外的视频已经让大家惊呼：ps已死。今天我们通过DragGAN背后的技术好好了解一下DragGAN是如何实现的。

引言：chatpdf背后的主要原理就是通过将文本拆分，然后存储在矢量存储器中，最后通过gpt进行对比分析。今天我们就来介绍一下文本拆分。

> 引言：很多人都知道chatpdf，然后因此也许也听说过矢量存储器。那么今天我们就了解一下背后的原理。LangChain，不止懂“构建索引”，更擅长“Retriever”。 那为了更好的理解其意义，

当我们想要阅读一个项目代码文件的时候，往往只有readme.md里面的对整个项目的整体介绍，而不知道如何对代码文件间的逻辑理解，如果代码作者没有很好的标注代码注释，理解起来更是痛苦。当chatgpt出

特征存储是传统机器学习中的一个概念，确保输入模型的数据是最新且相关的。在考虑将LLM应用程序投入生产时，这个概念非常重要。为了个性化LLM应用程序，您可能希望将LLM与关于特定用户的最新信息相结合。特

langchain一个很好的功能就是prompt template，可以帮助我们针对不同情况的同类型问题简化prompt设计。本文将介绍了什么是 prompt template 以及为什么需要使用它，

众所周知，对于llm生成文本有几个重要的参数，有些时候我们不想每次的手动调节，而是想要保存成一个配置直接使用。本文将介绍如何将LLM类对象序列化，并将其保存到磁盘中以备将来使用。这对于想要保存给定LL

内存缓存 内存缓存适合于短暂的缓存需求，当内存达到一定限制时，缓存将被删除。使用内存缓存的好处是速度非常快，缓存可以在很短时间内访问到。以下使用了InMemoryCache来实现内存缓存。 SQLit

在本文中，我们将以在agent中使用FakeLLM为例来说明如何使用fake LLM。 首先，我们需要导入所需的库，并定义一些模拟响应： 这段代码中，我们导入了需要用到的库，并定义了一个respons

>引言： >这篇文章的具体内容是为了帮助大家创建自己的LangChain LLM封装器，以适用于自己的项目需求。在LangChain中，我们可能需要使用自己的LLM或不同于官方支持的LLM封装器，因此