AI大模型分享营

LinearRAG：一种免关系提取的高效 GraphRAG 图构建方法 摘要速览【AI大模型教程】 研究痛点：尽管图检索增强生成（GraphRAG）在理论上具有优越性，但最近的研究表明，GraphRA

上下文工程中的上下文 今天我们要探讨一篇非常有前瞻性和系统性的论文：《上下文工程2.0：上下文工程的“上下文”》（Context Engineering 2.0: The Context of Con

Anthropic 揭秘：上下文工程如何让 Agent 专注核心任务 你有没有过这样的体验？跟 AI 聊得久了，它突然 “失忆”—— 前面提过的关键信息没了下文，甚至答非所问；让它处理复杂任务，比如分

Transformer如何颠覆传统时间序列预测 今天，我们聊一聊功能强大的Transformer架构是如何被用来改造并升级传统的时间序列预测（Time Series Forecasting, TSF）

[LLM]大模型显存计算公式与优化 AI算法在服务器中运行时，一个常见问题“单张GPU能承载多少模型参数？”，该问题跟模型结构、引擎框架、驱动版本、GPU硬件相关。本文围绕大模型的训练/推理场景，介绍

突破大模型Token限制的完整技术方案 AI的终极挑战:突破大模型Token限制的完整技术方案【AI大模型教程】 想象这样一个场景：某市中级人民法院的法官助理小张，正在处理一起复杂的经济纠纷案。案卷材

langchain从入门到精通——RAG优化策略父文档检索器实现拆分和存储平衡 拆分文档与检索的冲突【AI大模型教程】 在 RAG 应用开发中，文档拆分 和 文档检索 通常存在相互冲突的愿望，例如：

智能体同工作流的关系和区别【AI大模型教程】 理解智能体（Agent）和工作流（Workflow）的区别，可以从定义、核心能力、应用场景、自主性等维度展开分析： 智能体（Agent） 工作流（Work

企业级智能问答系统踩坑实录：RAG老是达不到效果的优化方案 “ 大模型应用开发流程正确，但结果不一定正确。”【AI大模型教程】 由于大模型技术的复杂性，再加上不同业务场景的特殊需求，导致大模型应用的开