PaperAgent

研究团队构建了一系列多样化的测试样本，包括从不同来源获取的图像和手工制作的提示，以评估GPT-4V在海洋分析方面的性能。他们从感知、统计、领域特定问答、海洋文化理解、高级功...

LLM+RAG+知识库企业落地实践总结（中） LLM问答常见错误汇总：溯源过多、溯源错误、答案不正确、答案不通顺，重复、幻觉、格式美化，LLM模型答案打字机效果输出...

研究者提出了一种名为“块扩展”（Block Expansion）的方法，通过在预训练的LLM中添加新的Transformer块，并仅使用新语料库来调整这些扩展块，从而有效地...

DocLLM是一个轻量级的扩展，基于大型语言模型（LLM），用于处理视觉文档，同时考虑文本语义和空间布局。与传统的多模态LLM不同，DocLLM避免了昂贵的图像编码器，专注...

提出了一个基于多层蒸馏的密集检索模型MD2PR,通过句子级别和词语级别的知识蒸馏来提高双编码器模型的性能。通过多层知识蒸馏和负样本过滤，有效提高了密集检索的性能。...

论文提出了PDFTriage方法，该方法允许模型基于文档的结构或内容检索上下文，PDFTriage在多个类别的问题上表现出色，特别是在需要跨页面或多步骤推理的问题上...

rag企业生产落地踩坑指南，RAG = 各类文档预处理 + Query理解+文档召回 + LLM + 全链路评测...

2023年国内大模型现状：千模大战、ToC、单模态 ；2024年国内大模型发展趋势预测：ToB、Agent、多模态...

介绍了一个能够实 现GitHub工具自主扩展的GitAgent。它遵循一个四阶段的过程来合并存储库，它可以通过诉诸GitHub问题/PRs来解决过程中遇到的问题来学习人类的...

最近几年现有的 LLM（大小超过 100 亿）的时间轴。时间轴主要是根据模型技术论文的发布日期（例如提交到 arXiv 的日期）建立的。包括mT5、盘古-α、T0、gpt-...

RAG是指在LLM回答问题之前，从外部知识库中检索相关信息。本文概述了RAG的开发范式，包括朴素RAG、高级RAG和模块化RAG。讨论了RAG的三个主要组件:检索器、生成器...