摘要：
目录： 1. 背景介绍 2. 什么是 RAG？ 3. RAG 技术范式发展 4、RAG 的生态 5. QAnything介绍 6. QAnything架构解析 7. 二阶段检索器（Two-stage Retriever） 8. LLM模型微调 9. RAG 和微调应该如何选择？ 10. 本地部署 1 阅读全文
posted @ 2024-05-04 08:27 天戈朱 阅读(1381) 评论(0) 推荐(0) 编辑
摘要：
1、行业洞察分析 行业洞察分析的方法论：使用麦肯锡工作法可以快速了解一个行业。 Step1：通过搜索分析几十个与该行业相关的关键词，覆盖该行业的上下游，以获取全面的信息。 Step2：阅读一些行业最新的研究分析报告，这些报告通常包含了行业趋势、市场规模、竞争格局等重要信息。 Step3：通过搜索并阅 阅读全文
posted @ 2024-05-04 08:25 天戈朱 阅读(240) 评论(0) 推荐(0) 编辑
摘要：
目录： 1、Prompt frameWork 2、Prompt 结构化格式 3、如何写好结构化 Prompt ? 4、Zero-Shot Prompts 5、Few-Shot Prompting 6、自洽性Self-Consistency 7、Program-Aided Language Model 阅读全文
posted @ 2024-05-04 08:25 天戈朱 阅读(799) 评论(0) 推荐(0) 编辑
摘要：
目录： 1、提示工程简介 2、如何写好提示词 2.1 描述清晰 2.2 角色扮演 2.3 提供示例 2.4 复杂任务分解 2.5 使用格式符区分语义 2.6 情感和物质激励 2.7 使用英语 2.8 结构化提示词 1、提示工程简介 1.1 什么是Prompt 提示词？ 不论是文生图应用，还是 GPT 阅读全文
posted @ 2024-05-04 08:25 天戈朱 阅读(572) 评论(0) 推荐(1) 编辑
摘要：
目录： 1.前言 2、术语解释 2.三种技术 3.优化路径 4.Prompt Engineering 5.RAG 6.Fine-tuning 应用实践与优化最佳路径： prompt 工程 -> 进阶 prompt 工程 -> 简单 RAG -> 微调模型 -> 进阶 RAG -> 带着 RAG 样本 阅读全文
posted @ 2024-05-04 08:25 天戈朱 阅读(631) 评论(0) 推荐(0) 编辑
摘要：
一、工业智能发展背景 1.1 工业智能化水平不断提升，激活发展新动能 1.2 与通用领域 AI 相比，技术进展逐步同步、产业错位现象更加凸显 1.3 落地推进仍存在一系列问题：从企业应用实践来看，工业智能发展还面临很多切实问题与困难 1.4 工业智能创新发展的体系框架 二、工业智能技术进展与趋势 2 阅读全文
posted @ 2024-05-04 08:24 天戈朱 阅读(180) 评论(0) 推荐(0) 编辑
摘要：
当大模型成本逐渐降低，可靠性提升后，这意味着越来越多的业务应用将会与 LLM 结合，为了让这种结合更加顺畅，需要有与现有基础设施相兼容的工具和框架来支撑 LLM 应用开发的快速开发 通用大模型性能评测参见： github：https://github.com/CLUEbenchmark/SuperC 阅读全文
posted @ 2024-03-25 08:51 天戈朱 阅读(3452) 评论(0) 推荐(1) 编辑
摘要：
十大人工智能大模型技术的简介： 1. 深度学习模型 深度学习是人工智能领域中一种重要的机器学习技术，通过构建深度神经网络来模拟人脑的认知过程。深度学习模型能够自动提取数据的特征，并在海量数据中进行学习和优化，从而在语音识别、图像处理、自然语言处理等领域取得了显著成果。 2. 卷积神经网络（CNN） 阅读全文
posted @ 2024-03-25 08:49 天戈朱 阅读(436) 评论(0) 推荐(0) 编辑