Python&LLM

LLM大模型学习指南：快速入门教程与学习路径【持续更新】

LLM快速学习路径学习目标了解大模型以及对应NLP知识的基础原理，能够熟练调用GPTAPI，编写Prompt完成各种任务。能够实现简单的微调模型，构造QA对，上传并外挂数据库等常见主流技术方案。
AGI大模型老王·2025-04-25 11:40

1、AI及LLM基础：Python语法入门教程

Python语法入门教程这是一份全面的Python语法入门教程，涵盖了注释、变量类型与操作符、逻辑运算、list和字符串、变量与集合、控制流和迭代、模块、类、继承、进阶等内容，通过详细的代码示例和解释，帮助大家快速熟悉Python语法。文章目录Python语法入门教程一、注释二、基础变量类型与操作符2.1逻辑运算2.2list和字符串三、变量与集合3.1输入输出3.2变量3.3list3.4tup
Hugo_Hoo·2025-04-25 10:09

Java调用LLM大模型 - 基于 Spring AI 实现

SpringAIAlibaba实战：Java集成通义千问构建流式对话应用一、SpringAI核心架构解析1.1框架定位与优势对比graphTDA[SpringAI]-->B[统一API接口]A-->C[多模型支持]A-->D[企业级特性]B-->E(OpenAI/Azure/阿里云)C-->F(LLaMA/Qwen/Gemini)D-->G(安全审计/监控指标)1.2技术栈组成组件功能描述对应Sp
ghjhjjjbjibh·2025-04-25 06:09

基于大语言模型的AI智能体开发：构建具备工具使用能力的智能助手

本文将结合大语言模型（LLM）与工具调用能力，构建新一代AI智能体系统。
VI8664956I26·2025-04-25 05:03

模型上下文协议（MCP）全解析——从零开始掌握 AI 交互的关键技

**模型上下文协议（MCP）全解析——从零开始掌握AI交互的关键技术**在人工智能（AI）与大语言模型（LLM）蓬勃发展的今天，模型的上下文管理成为决定交互质量的关键因素。
Echo_Wish·2025-04-25 02:19

Haystack 全面指南：用 Python 构建强大的 RAG、问答系统和企业级 LLM 应用

在大模型（LLM）快速发展的今天，如何让模型“理解”我们自己的私有数据，成为了每个开发者、企业、团队急需解决的问题。
萧鼎·2025-04-25 01:40

RAGFlow：构建高效检索增强生成流程的技术解析

检索增强生成（Retrieval-AugmentedGeneration,RAG）技术应运而生，它将信息检索与大型语言模型（LLM）的强大生成能力相结合，显著提升了生成内容的准确性和可靠性。
萧鼎·2025-04-25 01:40

Large Language Models for Mathematical Reasoning: Progresses and Challenges

本文是LLM系列文章，针对《LargeLanguageModelsforMathematicalReasoning:ProgressesandChallenges》的翻译。
UnknownBody·2025-04-25 01:05

LainChain技术解析：基于RAG架构的下一代语言模型增强框架

摘要随着大语言模型（LLM）在自然语言处理领域的突破性进展，如何突破其知识时效性限制、提升事实准确性成为关键挑战。
一休哥助手·2025-04-25 00:02

LangChain 与 LlamaIndex 技术选型全解析：构建高效 RAG 应用的最佳实践

LangChain与LlamaIndex技术选型全解析：构建高效RAG应用的最佳实践引言在大型语言模型（LLM）快速发展的背景下，检索增强生成（Retrieval-AugmentedGeneration
一休哥助手·2025-04-25 00:02

AI日报 - 2024年04月22日

今日概览(60秒速览)▎模型进展|Google发布Gemini2.5Flash，强调低延迟与成本效益；KlingAI2.0展示多轴运动视频生成；研究揭示SLM在知识图谱上优于LLM，RLHF在推理提升上存局限
訾博ZiBo·2025-04-24 22:15

LLM4FS: Leveraging Large Language Models for Feature Selection and How to Improve It

文章主要内容总结：本文探讨了利用大型语言模型（LLMs）进行特征选择的潜力，并提出了一种名为LLM4FS的混合策略。
UnknownBody·2025-04-24 22:15

本地大模型编程实战(14)初探智能体Agent(1)

的核心思路准备建立矢量数据库数据文件处理本地矢量库的类嵌入文本创建`Agent智能体`测试定义测试方法使用`shaw/dmeta-embedding-zh`和`qwen2.5`文本嵌入和检索总结代码在前面的文章中，我们了解了LLM
火云牌神·2025-04-24 20:05

基于python手撕一个会规划执行的Agent

它强制LLM进行前瞻性思考，并允许将复杂的规划任务与相对简单的执行任务解耦，甚至可以使用不同能力的模型来分别处理。本篇博客将深入探讨Plan-and-E
kakaZhui·2025-04-24 20:04

LangChain+Ollama+DeepSeek AI应用开发全链路教程：模型包装器到提示词模版 Agent！

写在前面博文内容为LangChain+Ollama+DeepSeek本地部署LLM应用开发认知涉及LangChain架构，核心模块认知以及模型包装器，提示词模版，Agent方式开发AI应用Demo理解不足小伙伴帮忙指正
AI大模型-王哥·2025-04-24 20:33

基于亚马逊云科技 Amazon Bedrock Tool Use 实现 Generative UI

背景在当前AI应用开发浪潮中，越来越多的开发者专注于构建基于大语言模型（LLM）的chatbot和AIAgent。然而，传统的纯文本对话形式存在局限性，无法为用户提供足够直观和丰富的交互体验。
·2025-04-24 14:00

Query Rewriting for Retrieval-Augmented Large Language Models

文章目录题目摘要方法实验题目检索增强大语言模型的查询重写论文地址：https://arxiv.org/abs/2305.14283项目地址：https://github.com/xbmxb/RAG-query-rewriting摘要    大语言模型（LLM
三月七꧁ ꧂·2025-04-24 14:53

从感知到行动：大模型时代下AI Agent的进化之路

随着大语言模型（LLM）的爆发式发展，AIAgent的能力被推向全新高度。借助大模型的“大脑”，Agent不仅能够更自
SHIPKING393·2025-04-24 14:52

AI大模型和人脑的区别

人脑和大型语言模型（LLM）在处理信息的方式上存在根本差异，这导致了幻觉现象主要出现在LLM中。LLM的幻觉是指模型生成了貌似合理但实际上错误或虚构的内容。
酌沧·2025-04-24 14:51

【一文读懂什么是智能体、工作流、大模型、RAG、提示词】

目录一、智能体（Agent）1、特点：2、智能体组成部分：二、工作流（Workflow）1、特点2、工作流组成部分三、大模型（LLM）1、特点2、主流模型四、提示词（Prompt）1、特点2、提示词设计方法
阿桨·2025-04-24 01:31

NLP高频面试题（四十八）——大语言模型中的思维链（CoT）技术详解

引言大语言模型（LLM）在近年的飞速发展，让机器在各种任务上表现出令人瞩目的能力。然而，与人类不同，传统的语言模型往往倾向于直接给出答案，而缺乏可解释的中间推理过程。
Chaos_Wang_·2025-04-23 23:46

【如何自建MCP服务器？从协议原理到实践的全流程指南】

1.突破LLM的固有局限2.实现个性化功能扩展3.确保数据隐私安全三、手把手搭建MCP服务器（Python示例）环境准备步骤1：创建天气查询服务器步骤2：配置运行参数步骤3：部署扩展（可选）四、MCP服务器的使用实践
TIF星空·2025-04-23 23:43

Firecrawl 开源项目实战指南

开源项目实战指南项目地址:https://gitcode.com/gh_mirrors/fi/firecrawl项目介绍Firecrawl是一个强大且灵活的API服务，专为将任何网站转换成适合语言模型（LLM
夏磊讳·2025-04-23 22:08

如何成为Agent工程师：学习路径、核心技能与职业规划

Agent工程师是专注于开发基于大语言模型（LLM）的智能代理系统的技术人才。其核心目标是设计并实现能够自主规划任务、调用工具、与环境交互的AI系统，以解决复杂问题。
学习的锅·2025-04-23 21:31

如何成为Prompt工程师：学习路径、核心技能与职业发展

Prompt工程师是专注于通过设计、优化和调试大语言模型（LLM）的输入提示词（Prompt），以精准引导模型输出符合业务需求结果的技术人才。
学习的锅·2025-04-23 20:26

万字面试题大模型面试，最新最全八股和答案

4.大模型LLM的架构介绍？大模型（LLMs）进阶面1.llama输
AI知识分享官·2025-04-23 18:44

大模型存储选型 & JuiceFS 在关键环节性能详解

从去年开始，LLM大语言模型领域发展迅速、如LLaMA、ChatGLM、Baichuan、Qwen和yi-model等基础模型（FoundationModels）的数量显著增加。
·2025-04-23 17:14

Ollama + JuiceFS：一次拉取，到处运行

商业LLM始终因为收费、黑盒、数据安全等原因，跟用户之间仿佛隔着一道天堑。越来越多的大模型选择了开源，让用户能够更加方便且放心的去使用自己
·2025-04-23 17:14

AIGC领域，AIGC游戏的核心技术解读

AIGC领域：AIGC游戏的核心技术解读关键词：AIGC（生成式人工智能）、游戏开发、生成对抗网络（GAN）、大语言模型（LLM）、扩散模型（DiffusionModels）、程序生成内容（PCG）、智能
AI原生应用开发·2025-04-23 13:06

开源版「v0」OpenUI：根据文本生成UI界面代码

Stars数20927Forks数1945主要特点AI生成前端：输入自然语言或者UI截图，大型语言模型（LLM）辅助前端构建。实时预览：能直接看到UI渲染效果，方便调整和迭代。
开源项目精选·2025-04-23 13:05

论文翻译：Large Language Models for Education: A Survey

目录大型语言模型在教育领域的应用：一项综述摘要1引言2.教育中的LLM特征2.1.LLMs的特征2.2教育的特征2.2.1教育发展过程低进入门槛。
CSPhD-winston-杨帆·2025-04-23 12:29

【RAG 篇】【多模态文档理解框架与文档大模型全景解析【开发者实战指南】

本文将深入解析6多模态文档理解框架和3大文档专用LLM，提供从技术选型到落地评估的全链路指南，所有项目均经2024年6月实测验证。
大F的智能小课·2025-04-23 10:22

用 Map-Reduce 并行化处理长文本总结：基于 LangGraph 的实践指南

在处理长文本总结时，我们常常会遇到一个棘手的问题：当文本长度超过大语言模型（LLM）的上下文窗口时，如何高效且准确地生成全局摘要？Map-Reduce范式为我们提供了一个优雅的解决方案。
佑瞻·2025-04-23 10:16

LangChain从入门到精通最全教程

RAG）3.2智能代理3.3聊天机器人四、高级技巧4.1自定义组件4.2回调与监控4.3部署与API五、学习资源以下是关于LangChain的全面教程，涵盖核心概念、组件使用及实战案例，帮助您快速掌握构建LLM
Cachel wood·2025-04-22 13:08

探索大语言模型（LLM）：Transformer 与 BERT从原理到实践

Transformer与BERT：从原理到实践前言一、背景介绍二、核心公式推导1.注意力机制（AttentionMechanism）2.多头注意力机制（Multi-HeadAttention）3.Transformer编码器（TransformerEncoder）4.BERT的预训练任务三、代码实现1.注意力机制2.多头注意力机制3.Transformer编码器层4.Transformer编码器5
艾醒(AiXing-w)·2025-04-22 09:09

探索大语言模型（LLM）：ReAct、Function Calling与MCP——执行流程、优劣对比及应用场景

前言在人工智能技术快速发展的当下，大语言模型（LLMs）的应用不断拓展，ReAct和FunctionCalling作为优化模型输出的重要技术，各自展现出独特优势。与此同时，多智能体协作规划（MCP）也在复杂任务处理中崭露头角。ReAct能够在不具备FunctionCalling能力的模型上发挥作用，而MCP则通过多智能体协同带来新的解决思路。接下来，我们将深入探讨这三者的执行思路、流程、优缺点以及
艾醒(AiXing-w)·2025-04-22 09:08

端到端自动驾驶LLM：Driving with LLMs: Fusing Object-Level VectorModality for Explainable Autonomous Driving

由于图像/视频等模态不利于结构化推理和语言对齐，论文将矢量化的数值模态（感知结果）与预训练LLM融合，构建LLM-Driver模型，从而提升
机械心·2025-04-22 08:33

Prompt 攻击与防范：大语言模型安全的新挑战

随着大语言模型（LLM）在企业服务、智能助手、搜索增强等领域的广泛应用，围绕其"Prompt"机制的安全问题也逐渐引起关注。
何双新·2025-04-21 22:08

基于Java的科大讯飞大模型API调用实现

AI的低代码平台，我负责后端的开发，之前一直都是直接使用gpt或者文心一言等ui界面来直接使用大模型，从来没有自己调接口过，所以本文记录一下自己第一次使用大模型的心得，小趴菜一个，大佬们勿喷~~源码：llm
小希与阿树·2025-04-21 18:46

Agentic AI 干货！DeepSeek + OpenAI SDK 构建 Agent 实战

DeepSeek-R1、OpenAI-o1等具备内化的假设、反思、验证等优秀推理能力的LLM大型推理模型将AI发展推进到智能体AI时代，将使AIAgent迸发出远超上一代由外化的手搓式简单推理Agent
·2025-04-21 17:51

第5章：MCP框架详解

MCP框架概述MCP框架是一个专门设计用于增强大语言模型认知能力的系统架构，旨在解决LLM在实际应用中面临的关键挑战。该框架由三个核心组件组
大势下的牛马·2025-04-21 17:37

LLM大语言模型项目知识点总结——数据库：Elasticsearch、Milvus

应用到的数据库：Elasticsearch、Milvus一、Elasticsearch1.1简介Elasticsearch是一个分布式的、基于RESTfulAPI的搜索和分析引擎,广泛用于大规模的数据存储和快速检索。（就是一个数据库）1.2ES中的基本概念ES的基本概念除了集群、节点之外，还有：索引、Mapping、文档、字段、分词、分词器、分片、副本、倒排索引。索引：索引是某一类文档的集合，类似
NLP的小Y·2025-04-21 16:34

LlamaIndex是什么？LlamaIndex综述！看这一篇就够了！

1、什么是LlamaIndex本篇将为各位同学介绍一下LlamaIndex，它是一个强大的开源工具，它能帮助开发者构建各种基于大型语言模型(LLM)的应用程序。
大模型知识·2025-04-21 16:02

ReAct、CoT 和 ToT：大模型提示词推理架构的对比分析

ReAct、CoT和ToT：大模型提示词推理架构的对比分析在大型语言模型（LLM）的研究与应用中，如何有效提升模型在复杂任务上的推理能力是关键问题之一。
_Johnny_·2025-04-21 11:08

通用人工智能的火花：GPT-4 的早期实验

人工智能(AI)研究人员一直在开发和改进大型语言模型(LLM)，这些模型在各种领域和任务中展现出卓越的能力，挑战我们对学习和认知的理解。
强化学习曾小健·2025-04-21 10:05

CoT-Drive：利用 LLM 和思维链提示实现自动驾驶的高效运动预测

本研究提出CoT-Drive，这是一种利用大语言模型(LLM)和思维链(CoT)提示方法来增强运动预测的创新方法。本文引入一
三谷秋水·2025-04-21 07:46

AI当前状态：有哪些新技术

以下是一些关键的进展，涵盖了从基础模型到实际应用的多个方面：1.更强大的大型语言模型(LLMs):性能提升:新一代LLM，例如OpenAI的GPT-4o和Google的Gemini2.0，在数学、科学和编程等困难的技术基准上取得了显著的进步
深海水·2025-04-21 06:07

使用 FastAPI 部署 QWEN 接口的 Python 流式传输服务

部署QWEN接口的Python流式传输服务QWEN接口介绍(阿里百炼平台获取)QWEN的功能和特点https://bailian.console.aliyun.com/QWEN是一款基于大型语言模型（LLM
曲奇人工智能安全·2025-04-21 04:25

72B模型DPO微调 | DPO的大模型的技术点、DPO的核心思想

一、DPO的大模型的技术点直接偏好优化（DirectPreferenceOptimization，DPO）是当前将大型语言模型（LLM）与人类偏好对齐的热门方法之一。
大模型本地部署_·2025-04-21 03:21

全流程AI论文辅助系统开发实战：从构思到文献增值的智能进化

一、系统架构设计classAIPaperAssistant:def__init__(self):self.llm=HuggingFacePipeline(pipeline="text-generation
夏末之花·2025-04-21 02:46
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他