N-gram语言模型。

Qwen3 大模型实战：使用 vLLM 部署与函数调用（Function Call）全攻略

文章摘要本文将带你从零开始，深入掌握如何使用Qwen3-8B大语言模型，结合vLLM进行高性能部署，并通过函数调用（FunctionCall）实现模型与外部工具的智能联动。

曦紫沐·2025-07-29 22:08

【三桥君】MCP中台，究竟如何实现多模型、多渠道、多环境的统一管控？如何以MCP为核心设计AI应用架构？

你好，我是✨三桥君✨本文介绍>>一、引言随着人工智能技术的快速发展，越来越多的企业开始引入大语言模型（LLM）以提升用户体验和运营效率。然而，如何高效、稳定地将这些AI能力落地到生产环境呢？

三桥君·2025-07-29 21:00

ChatGPT还不能写小说吗？

人物：刘若愚，化学家；刘子琪，大律师；仔仔，刘子琪的宠物猫；周金凝，医生；刘泽余，大侦探；赵政淇，程序猿；杰夫（Jeff）机器人它给我的回答是：我很抱歉，我是一个AI语言模型，无法写出如此长篇的小说。

刘若愚·2025-07-29 18:20

AI心理学四层架构揭秘：语言模型为何“说谎“？

第一章神经层：代码编织的"脑电图"1.1注意力权重的量子跃迁当Claude3.5Haiku处理"达拉斯所在州的首府"这类问题时，其注意力权重图谱呈现出量子跃迁特征。研究团队通过归因图技术捕捉到：在输入"达拉斯"的瞬间，模型内部Texas节点的激活强度达到87.6%，首府概念节点同步飙升至79.3%。这种非线性激活模式与人类大脑的默认模式网络惊人相似。模型层级激活时序决策路径可解释性神经层300ms

TGITCIC·2025-07-29 18:07

BEYOND BINARY REWARDS: TRAINING LMS TOREASON ABOUT THEIR UNCERTAINTY

8a30dbf3d6ae0cae1048c3331f38fe80https://gist.github.com/josherich/8a30dbf3d6ae0cae1048c3331f38fe801引言与此担忧一致，研究表明，即使最初校准良好的大型语言模型

樱花的浪漫·2025-07-29 15:16

Gradient-Adaptive Policy Optimization:Towards Multi-Objective Alignment of Large Language Models

2025.acl-long.549.pdfhttps://aclanthology.org/2025.acl-long.549.pdf1.概述大型语言模型（LLMs）（Anthropic,2023;OpenAI

樱花的浪漫·2025-07-29 15:16

Uncovering Bias in Large Vision-Language Models at Scale with Counterfactuals

UncoveringBiasinLargeVision-LanguageModelsatScalewithCounterfactuals-ACLAnthologyhttps://aclanthology.org/2025.naacl-long.305/1.概述最近，大型视觉-语言模型

樱花的浪漫·2025-07-29 14:43

Langchain学习笔记(十)：文档加载与处理详解

前言在构建基于大语言模型的应用时，文档处理是一个至关重要的环节。无论是构建RAG（检索增强生成）系统，还是进行知识库问答，我们都需要将各种格式的文档转换为模型可以理解和处理的形式。

·2025-07-29 12:28

BGE-M3模型结合Milvus向量数据库强强联合实现混合检索

在基于生成式人工智能的应用开发中，通过关键词或语义匹配的方式对用户提问意图进行识别是一个很重要的步骤，因为识别的精准与否会影响后续大语言模型能否检索出合适的内容作为推理的上下文信息（或选择合适的工具）以给出用户最符合预期的回答

·2025-07-29 11:47

构建高效 RAG 流程的七个关键点及其落地实践

人工智能应用浪潮中，检索增强生成（RAG）技术凭借着结合大型语言模型（LLMs）的生成能力和信息检索系统的独特优势，成为了各企业挖掘数据价值、提升业务智能化水平的关键手段之一。

charles666666·2025-07-29 10:43

使用中转API在Python中调用大型语言模型 (LLM) 的实践**

**在人工智能技术中，大型语言模型(LLM)已成为自然语言处理(NLP)和生成任务的重要工具。然而，由于网络限制，直接访问OpenAI的API在中国可能面临挑战。

qq_37836323·2025-07-29 06:10

大模型【进阶】（四）QWen模型架构的解读

一、Qwen大模型的背景Qwen（通义千问）是阿里巴巴云开发的大型语言模型（LLM）和多模态模型系列，旨在提供强大的自然语言理解、文本生成、图像理解、音频处理及工具使用能力。

ReinaXue·2025-07-29 05:01

2025年最新五大顶级大模型技术对比分析报告

it_czz·2025-07-29 03:55

AI+MCP智能研判系统架构

AI+MCP智能研判系统架构1.系统概述1.1核心理念AI+MCP智能研判系统是一个创新的网络安全分析平台，通过将大语言模型（LLM）的智能理解能力与MCP（ModelContextProtocol）协议的标准化工具调用能力相结合

·2025-07-29 03:24

优化提示内容生成技术框架：提示工程架构师的坚实后盾

优化提示内容生成技术框架：提示工程架构师的坚实后盾引言背景：大语言模型时代的“提示瓶颈”当GPT-4、Claude3、Gemini等大语言模型（LLM）的参数规模突破万亿、上下文窗口扩展至百万token

·2025-07-29 03:50

从0搭建到持续优化：提示工程架构师的评估体系迭代全流程

随着大语言模型(LLM)能力的不断增强，提示工程架构师(PromptEngineeringArchitect)作为一个新兴职业应运而生，成为连接业务需求与AI能力的关键桥梁。为什么提示工

·2025-07-29 01:33

！LangChain代理决策架构与源码深度剖析(75)

LangChain代理决策架构与源码深度剖析一、LangChain代理决策架构概述1.1代理决策架构的核心组件LangChain代理的决策架构是其智能交互的核心，主要由大语言模型（LLM）、工具集（Tools

·2025-07-29 01:30

Rouge：面向摘要自动评估的召回导向型指标——原理、演进与应用全景

“以n-gram重叠量化文本生成质量，为摘要评估提供可计算标尺”Rouge（Recall-OrientedUnderstudyforGistingEvaluation）是由南加州大学信息科学研究所（ISI

大千AI助手·2025-07-29 00:52

Crome：因果鲁棒奖励建模框架——破解LLM对齐中的奖励黑客难题

Crome（CausalRobustRewardModeling）是由GoogleDeepMind联合麦吉尔大学和魁北克人工智能研究所（MILA）于2025年提出的创新框架，旨在解决大语言模型（LLM）

大千AI助手·2025-07-29 00:52

LIMO：仅需817样本激活大模型数学推理能力，挑战“数据规模至上”传统范式

ShanghaiArtificialIntelligenceLaboratory）、GAIRLab联合提出的突破性研究（2025年2月发表），其核心颠覆了传统AI领域“复杂推理需海量训练数据”的认知，证明仅用817个高质量样本即可激发大语言模型

大千AI助手·2025-07-29 00:51

CodeBLEU：面向代码合成的多维度自动评估指标——原理、演进与开源实践

“融合语法树与数据流，让代码质量评估超越n-gram匹配”CodeBLEU是由微软亚洲研究院（MicrosoftResearchAsia）与北京大学联合提出的代码合成评估指标，首次发表于arXiv2020

大千AI助手·2025-07-28 23:48

【Ollama】大模型本地部署与 Java 项目调用指南

Ollama大模型本地部署与Java项目调用指南一、引言背景介绍Ollama是一个轻量级的大语言模型部署工具，支持快速在本地拉取、运行主流开源模型（如LLaMA3、Mistral、Gemma等）。

科马·2025-07-28 23:46

人机协作革命：AI原生应用的商业化路径探索

人机协作革命：AI原生应用的商业化路径探索关键词：AI原生应用、人机协作、商业化路径、智能代理、大语言模型、AI产品设计、价值闭环摘要：本文深入探讨AI原生应用在商业化过程中的关键路径和挑战。

AGI大模型与大数据研究院·2025-07-28 22:40

DesktopCommanderMCP：深度部署与使用指南

DesktopCommanderMCP：深度部署与使用指南引言DesktopCommanderMCP是一个强大的本地化模型上下文协议（ModelContextProtocol,MCP）服务器，它通过为大型语言模型

皓月照山川·2025-07-28 21:01

提示工程监控不到位：5个未做日志记录导致的排查困难

提示工程监控不到位：5个未做日志记录导致的排查困难关键词：提示工程,日志记录,LLM应用调试,AI监控,排查困难,提示模板,上下文追踪摘要：在大语言模型(LLM)应用爆发的时代，提示工程已成为连接人类需求与

·2025-07-28 20:56

提示工程中的上下文窗口优化：架构师提升模型记忆的关键

提示工程中的上下文窗口优化：架构师提升模型记忆的关键元数据标题：提示工程中的上下文窗口优化：架构师提升模型记忆的关键策略与实践指南关键词：上下文窗口管理、提示工程架构、大型语言模型优化、注意力机制效率、

AI实战架构笔记·2025-07-28 19:20

实践篇：构建基于LLM与本地Pandas的混合式数据分析引擎

在上一篇《思路探索：当大型语言模型遇见数据分析的现实挑战》中，我们阐述了团队确立的技术路线：利用大型语言模型（LLM）作为自然语言到代码的“翻译器”，并结合PythonPandas库作为后端的高性能“计算核心

超人阿亚·2025-07-28 19:47

2024智能交通趋势：提示工程架构师用AI提示词引领技术变革

2024智能交通趋势：提示工程架构师用AI提示词引领技术变革副标题：从自动驾驶决策到城市交通大脑——大语言模型提示工程实战指南摘要/引言问题陈述：智能交通系统正面临前所未有的复杂性挑战——自动驾驶车辆需要实时处理多源异构数据

AIGC应用创新大全·2025-07-28 18:41

思路探索：当大型语言模型遇见数据分析的现实挑战

大家好，我是dify实验室的阿亚。近期，我们团队启动了一项旨在简化数据分析流程的探索性项目。我们的目标是构建一个能够通过自然语言进行交互的数据分析工具，让业务人员无需编写复杂的查询语句，仅通过提问即可获取数据洞察。然而，在将这一构想付诸实践的过程中，我们遇到了一系列预料之外的挑战。本文旨在记录我们的探索路径与思考沉淀。一、第一阶段探索：直接利用大模型进行数据分析项目初期，我们最直接的设想是利用大型

·2025-07-28 18:09

字节跳动Coze Studio开源了！架构解析

CozeStudio是字节跳动推出的一款AI应用开发平台，专注于帮助开发者快速构建、测试和部署基于大语言模型的智能应用。

GISer_Jinger·2025-07-28 16:00

Java中的模型API、RAG与向量数据库：构建智能应用的新范式

一、模型API：Java中的AI能力接入1.1什么是模型API模型API是大型语言模型(LLM)提供的编程接口，允许开发者通过HTTP请求与AI模型交互。在Java生态中，我们可以通过多种

张道宁·2025-07-28 15:23

详细指南:如何使用WildCard升级到ChatGPT 4.0

ChatGPT-4.0是由OpenAI研发的一款先进的人工智能语言模型。相比于其前任,它在自然语言的理解和生成上,有了更进一步的提升。

扑扑特桔·2025-07-28 15:21

多智能体大语言模型系统频频翻车？三大失败根源与解决方案全解析

你好，我是shengjk1，多年大厂经验，努力构建通俗易懂的、好玩的编程语言教程。欢迎关注！你会有如下收益：了解大厂经验拥有和大厂相匹配的技术等希望看什么，评论或者私信告诉我！文章目录一、研究背景：理想很丰满，现实很骨感二、MAST分类学：揭开MAS失败的“真面目”1.规格设计问题（占比41.8%）：从源头埋下的“雷”2.智能体协作失调（占比36.9%）：团队协作的“翻车现场”3.任务验证缺陷（占

shengjk1·2025-07-28 15:20

大模型QLoRA微调——基于Qwen2-7B的自动化病历摘要生成系统

为此，本项目基于Qwen-7B大语言模型，通过QLoRA微调，使其从医疗文档中识别并提取这些信息。（2）数据集介绍本项目在Yidu-S4K数据集上进行指令微调任务，该数据共计包含10

·2025-07-28 13:06

大模型 MCP：开启 AI 与现实世界的无缝交互革命

MCP（ModelContextProtocol，模型上下文协议）是由Anthropic推出的开源协议，旨在实现大型语言模型（LLM）与外部数据源和工具的无缝集成，用来在

u013250861·2025-07-28 12:58

大模型微调：从零到实践，掌握AI大模型的核心技能

大模型微调：从零到实践，掌握AI大模型的核心技能引言大规模语言模型（如DeepSeek、通义千问）的出现，彻底改变了自然语言处理的格局。这些模型不仅在学术界取得了突破性进展，在工业界也得到了广泛应用。

之之为知知·2025-07-28 05:10

训练效率提升100%！阿里云后训练全栈解决方案发布实录

相比于模型预训练，后训练阶段对计算资源和数据资源需求更小，更易迭代，为大语言模型提供了针对特定业务场景调优的能力，打通了通用大模型到垂直领域应用的"最后一公里"。阿里云大数据

阿里云大数据AI技术·2025-07-28 05:06

神经架构搜索革命：从动态搜索到高性能LLM的蜕变之路

本文将揭示如何通过神经架构搜索技术（NAS）自动发现最优网络结构，并将搜索结果转化为新一代高性能大型语言模型的核心技术。我们的实验证明，该方法在同等计算资源下可实现80%的性能飞跃！

·2025-07-28 04:02

AI人工智能的SGLang、vllm和YaRN大语言模型服务框架引擎的对比

简介SGLang、vLLM和YaRN在大语言模型中的应用场景和功能特点有所不同，具体如下：SGLang定位：是一种专为大型语言模型（LLMs）和视觉语言模型（VLMs）设计的高效服务框架。

没刮胡子·2025-07-28 00:56

大模型服务架构设计与性能优化指南

随着大语言模型（LLM）的快速发展，模型服务架构面临着性能、可扩展性和成本的多重挑战。

陈乔布斯·2025-07-27 23:22

Dify 本地化部署深度解析与实战指南

Dify本地化部署深度解析与实战指南引言Dify是一个开源的低代码/无代码AI应用开发平台，旨在帮助用户快速构建和部署基于大型语言模型（LLM）和自主代理的AI应用。

逻极·2025-07-27 22:43

AI应用 | 【AI+工业】LLM（大型语言模型）在工业领域中的十个应用

随着时间的推移，LLM（大型语言模型）的特性和能力逐渐为人们所熟知。它们展现了无与伦比的人类语言理解、出色的文本生成能力以及友好的对话指令跟随倾向。

我爱学大模型·2025-07-27 17:39

大语言模型呼叫中心场景分享之五十三：药品制造领域的应用场景

大语言模型呼叫中心场景分享之五十三：药品制造领域的应用场景作者：开源大语言模型呼叫中心系统FreeAICC一、药品制造行业特性与数字化转型需求药品制造作为高度监管的特殊行业，具有以下显著特征：1.合规性要求极其严格

FreeIPCC·2025-07-27 16:07

大语言模型 LLM 通过 Excel 知识库增强日志分析，根因分析能力的技术方案（1）：总体介绍

文章大纲1.核心目标2.系统总体架构3.GoogleCloud端到端方案（含无RAG&RAG双模式）3.1无RAG：Function-Calling查表模式3.2RAG：托管式向量检索4.开源轻量级方案5.数字孪生联合验证（实验性）6.知识图谱增强（Neo4j）7.监控与持续优化（CometLLM）8.实施路线图（4~10周）9.典型案例速览10.一键复现仓库11.参考文献1.核心目标让LLM在“

shiter·2025-07-27 16:05

使用 Tavily Search API 构建智能搜索工具

TavilySearchAPI是一种专门为AI代理（如大型语言模型）设计的搜索引擎，能够快速、准确地提供实时且符合实际的结果。

·2025-07-27 14:51

RAG面试内容整理-1. 检索增强生成（RAG）概述与意义

检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种将大语言模型与外部知识库相结合的生成式AI架构。

不务正业的猿·2025-07-27 14:18

集成Tavily Search API以提升AI应用的实时检索能力

技术背景介绍在AI开发中，尤其是处理大型语言模型（LLM）时，实时、准确的信息检索至关重要。TavilySearchAPI专为AI代理设计，提供高速、准确和事实性的搜索结果，是一个理想的选择。

dgay_hua·2025-07-27 14:48

利用 Tavily Search API 提升 AI 代理的搜索能力

TavilySearchAPI是专为大型语言模型（LLMs）设计的搜索引擎，它能够以极高的速度提供实时、准确且事实驱动的结果，对AI开发者来说是一项极具价值的工具。

VYSAHF·2025-07-27 14:17

Prompt Engineering(提示词工程)基础了解

https://blog.csdn.net/qq_56438555/article/details/1448865171.基础概念:提示词工程(promptEngineering)是指通过设计、优化输入给大语言模型的文本指令

Fuly1024·2025-07-27 13:14

9、LLaMA-Factory项目微调介绍

1、LLaMAFactory介绍 LLaMAFactory是一个在GitHub上开源的项目，该项目给自身的定位是：提供一个易于使用的大语言模型（LLM）微调框架，支持LLaMA、Baichuan、Qwen

Andy_shenzl·2025-07-27 12:07

推荐频道