清华大学、中关村实验室、蚂蚁集团等联合发布大模型安全实践白皮书
7月5日下午，清华大学、中关村实验室、蚂蚁集团等机构联合撰写的《大模型安全实践（2024）》白皮书在2024世界人工智能大会上正式发布。这也是国内首份“大模型安全实践”研究报告，为行业打造高价值参考体系。白皮书首次系统化提出安全实践总体框架，从安全性、可靠性、可控性等维度给到了技术实施方案，同时提供
github连接不上的解决方案(持续更新)
本文主要介绍github连接不上的解决方案(持续更新)，希望对使用github的同学们有所帮助。文章目录1. 背景2. 解决方案
【AI教程-吴恩达讲解Prompts】第1篇 - 课程简介
欢迎来到面向开发者的提示工程部分，本部分内容基于吴恩达老师的《Prompt Engineering for Developer》课程进行编写。《Prompt Engineering for Developer》课程是由吴恩达老师与 OpenAI 技术团队成员 Isa Fulford 老师合作授课，I
MaxKB开源知识库问答系统发布v1.3.0版本，新增强大的工作流引擎
MaxKB开源知识库问答系统下载量已经突破10万次。
Text2SQL提问中包括时间的实战方案
本文主要介绍了Text2SQL提问中包括时间的实战方案，希望对学习大语言模型的同学们有所帮助。文章目录1. 前言2. 实战方案
万字长文解析AI Agent技术原理和应用
深入剖析了AI Agent这一前沿科技领域的全貌。从基础概念的澄清，到技术原理的细致解构，再跨越至丰富多样的应用场景探索。
AI：159-大模型的学习路线图推荐—多维度深度分析
大模型的初心是让训练出来的模型具备不同领域的认知力，既能有泛化的能力，又能有自我进化的能力。未来，大模型将致力于构建通用的人工智能算法底层架构，将模型的认知力从单领域泛化到多领域融合，在不同场景中自我生长，向可持续、可进化的方向发展。尽管大模型在很多任务上已经取得了显著的成果，但仍存在一些局限性，如
Llama（二）：Open WebUI作为前端界面，使用本机的llama3
Open WebUI是一个可扩展、功能丰富、用户友好的自托管WebUI，旨在完全离线操作。它支持各种LLM运行程序，包括Ollama和OpenAI兼容的API。
Prompt之美：如何设计提示词让大模型变“聪明”
Prompt Engineering是提高大模型表现的关键，本文介绍了Prompt的关键要素和技巧，并通过我实战中的经验给出优化方案。
AI：158-玩转大模型行业应用，且看盘古大模型全栈工程能力展身手
AI技术在金融和工业领域的应用不断扩展，促进了金融行业的数字化转型和产业升级。AI提供了专属财富管家和工业范式的解决方案，在金融领域的应用包括风险评估和投资建议，而在工业领域的应用则涵盖了数据分析和机器人操作。与此同时，开发者在AI的应用创新中发挥着重要作用，通过编写代码将创意变为现实。GTC cl
如何测试AI对话模型
AI对话模型是专门设计用来模拟人类对话的AI系统，可以理解和生成语言以进行交流。一个高效、智能且可靠的AI对话模型，不仅是技术进步的体现，更是对人类交流方式的一次革新。它需要在准确性、合理性、创意性、伦理性、用户意图理解、自然性、多语言支持、文化适应性、安全性、隐私保护、异常处理、可访问性以及性能响
AI：177-AIGC中的强化学习技术原理与应用
本文探讨了强化学习技术在AIGC（人工智能生成内容）中的广泛应用，并通过详细的代码实例展示了其在文本生成、图像生成、游戏关卡生成、音乐生成、视频内容生成、对话系统和个性化推荐系统等多个领域的应用。强化学习通过不断与环境交互，优化生成策略，能够生成高质量、个性化和多样化的内容。尽管强化学习在AIGC中
xinference - 大模型分布式推理框架
Xinference 也允许从其他模型托管平台下载模型。无论你是研究者，开发者，或是数据科学家，都可以通过 Xorbits Inference 与最前沿的 AI 模型，发掘更多可能。通过 Xorbits Inference，你可以轻松地一键部署你自己的模型或内置的前沿开源模型。如果你的第1个cuda
Text2SQL中反思纠错的实战方案
本文主要介绍了Text2SQL中反思纠错的实战方案，希望对学习大语言模型的同学们有所帮助。文章目录1. 前言2. 反思纠错的实战方案
AI大模型日报#0607：10家国产大模型、GPT-4o挑战高考作文 | OpenAI公开破解GPT-4新方法
AI大模型日报，爬虫+LLM自动生成，一文览尽每日AI大模型要点资讯！
Text2SQL中不同数据库SQL之间转换的实战代码
本文主要介绍了Text2SQL中不同数据库SQL之间转换的实战代码，希望对学习大语言模型的同学们有所帮助。文章目录1. 前言2. SQL转换实战代码
开源VS闭源：大模型发展路径之争，你站哪一派？
在数据隐私方面，开源和闭源模型的选择取决于组织对隐私保护的需求、资源以及对透明度和控制的需求。闭源模型提供了更强的控制和合规性保证，但牺牲了透明度，可能需要额外的努力来建立和维护用户的信任。其中，开源大模型和闭源大模型是两种截然不同的方向，它们各自具有独特的优势和挑战。开源和闭源大模型在社区参与方面
大模型LLM(2)：开源 LLMOps平台dify。
Dify 是一款开源的大语言模型（LLM）应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。它支持多种大型语言模型，如 Claude3、OpenAI，同时与多个模型供应商合作，确保开发者能根据需求选择最适
大模型培训 AUTOWEBGLM：自动网页导航智能体
大语言模型（LLMs）在智能代理任务中发挥着重要作用，尤其是在网络导航方面。然而，现有的代理在真实世界的网页上表现不佳，主要原因网络导航代理面临着三大挑战：网页上行动的多样性、HTML文本的处理限制以及开放领域决策的复杂性。为了克服这些挑战，AUTOWEBGLM采用了基于ChatGLM3-6B模型的
AI大模型战争：通用与垂直，谁将领跑未来？
目前，AI大模型领域正逐渐分化为两大阵营：通用大模型和垂直大模型。本文将从多个角度剖析这两种模型的特点与前景。这类模型具备处理多种类型任务和数据的能力，无论是图像识别、语音识别还是自然语言处理，通用大模型都能展现出卓越的性能。在未来，我们可以期待看到更多创新技术和应用的出现，无论是通用大模型还是垂直
