搜尋結果
2024年2月26日 · RAG 概念是由自然語言處理科學家 Patrick Lewis 等學者在 2020 年發表的論文 2 中所提出。 這項技術簡而言之，就是在向 LLMs 提供用戶的提示詞（prompt）之前，會先從外部的資料庫「檢索」相關資料，再將這些相關資料連同原本的提示詞提供給 LLMs 參考並「生成」回覆。 IBM 的語言技術總監 Luis Lastras 用開書考試（open-book）跟闔書考試來類比 RAG 跟模型微調的差異：「使用 RAG 系統時，你是要求模型去檢索書的內容（資料庫），而不是光依憑（模型微調）的記憶來回答問題。 」 3. 而 RAG 所使用並非傳統的資料庫，而是所謂的向量資料庫（vector database）。
2024年3月7日 · 一、資料清理. 二、如何切割文本. 三、如何搜尋. 四、LLM 生成品質. 快速掌握 LLM 應用全局觀. 有了「長上下文 LLM」（Long-Context LLM），還需要 RAG 嗎？ RAG（Retrieval-Augmented Generation，檢索增強生成）無疑是當今開發大型語言模型（LLM）產品時，不可或缺的技術。 由於可以確保 LLM 生成的真實性，在企業 AI 應用與搜尋場景相當受到重視。 為此，我也試著實作一個簡單的 RAG 應用。 多年累積下來，我的 Apple Notes 已經有 7000 多則筆記，搜尋愈來愈不準確，常在寫新筆記時想參考舊筆記，卻怎麼也找不到。
2023年11月8日 · LangChain的特點. 易於使用 ：LangChain提供了一系列API，讓開發者可以快速啟動和運行LLM，而無需深入了解模型的內部運作機制。 高度靈活 ：透過配置和擴展機制，開發者可以根據需要自定義LangChain的行為，使其適應不同的應用場景。 生態系統整合 ：LangChain旨在與現有的AI工具和框架無縫集成，支持多種LLM和第三方服務，從而促進生態系統的互操作性。 LangChain的應用場景. 自動文本生成 ：利用LLM生成文章、報告或其他文本內容。 智能問答系統 ：構建基於LLM的問答系統，提供精確的答案和解釋。 語言理解和分析 ：使用LLM進行語言分析，從文本中提取有用的見解和信息。 個性化推薦 ：根據用戶的互動和偏好，利用LLM生成個性化的內容和推薦。
2024年2月1日 · Stable Diffusion是一種由Stability AI及其合作夥伴開發的開源圖像生成模型。 它使用深度學習技術，特別是變分自編碼器（VAE）和變換器（Transformers），來生成詳細的圖像。 用戶可以通過自然語言描述（例如文字提示），指導模型生成具體的圖像內容。 立即下載. 快速掌握 LLM 應用全局觀. Stable Diffusion 是一款強大的開源AI圖像生成工具，它允許使用者根據文字提示來創造高質量的圖像。 此工具適用於藝術家、設計師、研究人員等各種背景的使用者。 如果您對AI圖像生成感興趣並希望親自嘗試，以下是完整的Stable Diffusion安裝指南。 Stable Diffusion 前置要求.
2024年1月24日 · 開源 AI 平台介紹 4 點加速 AI 開發. 發佈日期: 2024 年 1 月 24 日 作者: 黃 昱嘉. 內容目錄. 對開發者的重要性：多、省時、簡便且標準化. 「多」：大量且多樣的 AI 模型. 「省時」：直接在平台頁面預覽測試. 「簡便」：透過 API 遠端串接模型. 「標準化」：統一的程式碼介面. Hugging Face 的商業模式. Hugging Face 的使命：機器學習大眾化. Hugging Face 整合超過 47 萬個開源、預先訓練好的 AI 模型，供任何人下載使用。 由於訓練模型非常昂貴，這樣的平台可以大幅降低開發 AI 產品的時間與成本。 他們也積極推動開源社群，致力於打造更安全與開放的 AI 模型。
2023年10月2日 · 1. 清晰和具體的提示. 提示應該清晰、具體且明確。 避免使用模糊的或含糊不清的問題，因為這可能會導致不確定的回答。 確保提示中包含所有必要的信息，以使模型能夠理解您的意圖。 2. 上下文相關. 考慮到上下文對 Prompt Engineering 至關重要。 如果您正在進行對話，則應根據先前的對話內容編寫提示。
一、 Homejoy簡介與歷史. 二、 失敗後續影響. (1) 勞資糾紛. (2) 無法訓練獨立契約者，清潔品質參差不齊. (3) 定價策略錯誤/對清潔人才吸引力不足. (4)盲目追求成長/過度優惠燒錢太快. (5)去中介化問題嚴重. 歡迎來到 League of Losers 失敗者聯盟，在這裡我們將定期分享國內外最有趣、最具啟發性的 Startup 失敗故事，跌倒並不可恥，失敗可以重來，期待這個專欄能為有興趣創業的朋友帶來不一樣的觀點。
