青训营笔记

如何验证和评估我们的LLM应用 1. 验证评估的一般思路 现在，我们已经构建了一个简单的、一般化的大模型应用。回顾整个开发流程，我们可以发现，以调用、发挥大模型为核心的大模型开发相较传统的 AI 开发

ReAct 框架 Yao等人引入了一个框架名为ReAct，其中 LLMs 以交错的方式生成 推理轨迹 和 任务特定操作 。生成推理轨迹使模型能够诱导、跟踪和更新操作计划，甚至处理异常情况。操作步骤允许

LangChain表达式 基础和实践(LCEL) LCEL简介 LangChain表达式语言，或者LCEL，是一种声明式的方式，可以轻松地将链条组合在一起。 LCEL从第一天开始就被设计为支持将原型放

安装 要安装LangChain，只需要运行: 有关更多详细信息，请参阅Langchain的安装指南。 环境设置 使用LangChain通常需要与一个或多个模型提供者、数据存储、API等进行集成。这里我

一、什么是思维链CoT？ Chain-of-Thought(CoT)是一种改进的Prompt技术，目的在于提升大模型LLMs在复杂推理任务上的表现，对于复杂问题尤其是复杂的数学题大模型很难直接给出正确

1 什么是大模型规划（Planning） 随着大型语言模型（LLM）展现出显著的智能，利用LLM作为自主Agent规划模块的进展受到了更多关注。 Planning 指 任务分解：把大任务划分成小任务，

Reflextion论文总结 [TOC] 论文作者： 1、简介 Reflexion框架通过语言反馈来强化LLM Agent，而不是通过更新权重的方法进行学习。传统的强化学习方法需要大量的训练样本和昂贵

模型参数设置 使用提示词时，我们通常会通过 API 或直接与大语言模型进行交互，可以通过配置一些参数以获得不同的提示结果。调整这些设置对于提高响应的可靠性非常重要，我们可能需要进行一些实验才能找出适合

MetaGPT论文阅读总结 1、metaGPT简介 随着大型语言模型(LLM)在各个领域取得突破，利用 LLM 驱动的多代理在自动化任务解决方面取得了显着进展。然而，现有的工作主要集中在简单任务上，对

文章主要介绍了 DNA 序列编辑距离的相关问题。包括问题描述，即计算将受损 DNA 序列转换为未受损序列的最少编辑步，编辑操作有插入、删除、替换。解题使用动态规划，用二维数组 dp 存储中间结果