(LLM) 第3页

【数据质量评估】数据筛选大模型数据质量评估

利用大模型（LLM）对数据集的质量进行打分，本质上是构建一个自动化的“数据质量评估员”。这个过程的核心是将模糊的“质量好坏”概念，转化为大模型可以理解和执行的、具体的、结构化的指令。

weixin_37763484·2025-06-21 11:57

【AIGC半月报】AIGC大模型启元：2024.06（上）

AIGC大模型启元：2024.06（上）(1)ChatTTS（语音合成项目）(2)Mamba-2（大模型新架构Mamba升级）(3)GLM-49B（智谱开源LLM）(4)Seed-TTS（字节语音合成）

LeeZhao@·2025-06-21 11:27

Happy-LLM task2 第一章 NLP 基础概念（2天）

NLP基础概念简介自然语言处理（NaturalLanguageProcessing，NLP）是人工智能领域的核心分支，旨在让计算机理解、处理并生成人类语言，实现人机自然交互。一、NLP定义与目标NLP融合计算机科学、语言学、心理学等多学科知识，通过算法让计算机模拟人类的语言认知过程。其核心目标是打破自然语言与机器语言的壁垒，使计算机能处理语义、语境、情感等复杂语言要素，完成从基础分词到深层语义理解

unityのkiven·2025-06-20 22:34

Agent轻松通-P3：分析我们的Agent

目录1引言2使用工具分析Agent：”日志“3Agent分析调优3.1使用LLM自评LLM-as-a-Judge4TODO1引言让我们结合前两篇的理论与实践，尝试系统性、结构化、全面地分析Agent。

啾啾大学习·2025-06-20 22:33

CoLMDriver：基于LLM的协同自动驾驶

《CoLMDriver:LLM-basedNegotiationBenefitsCooperativeAutonomousDriving》25年3月来自上海交大和上海AI实验室的论文上海交大与上海AI实验室提出的

一点.点·2025-06-20 20:49

开发实践，通过融云 IM + Dify 实现 AI 机器人

融云IM通过与Dify平台的深度无缝集成，打通了C端用户与大语言模型（LLM）之间的端到端对话链路，支持流式响应和多轮对话上下文，可广泛应用于AI陪伴、智能问答、内容生成等场景，助力开发者和企业构建流畅的智能交互体验

融云·2025-06-20 19:43

Streamlit在人工智能中的应用场景

以下是具体应用场景和实现方法：1.大模型（LLM）的交互式演示Streamlit可以轻松集成OpenAI、HuggingFace、LangChain等库，构建大模型的聊天、文本生成或问答应用。

不老刘·2025-06-20 18:37

使用Xinference与LangChain实现强大的模型推理

技术背景介绍随着深度学习和机器学习技术的快速发展，如何有效地管理和部署大型语言模型（LLM）成为了一项重要课题。

yunwu12777·2025-06-20 16:53

Spring AI 聊天记忆功能实战（一）：从接口设计到生产实践

而大模型（LLM）本质上是无状态的，这意味着它们不会保留历史交互信息。当需要跨多轮交互保持上下文时，这一特性会带来局限。

天氰色等烟雨·2025-06-20 12:50

Causal-aware Large Language Models: Enhancing Decision-Making Through Learning, Adapting and Acting

现有方法如强化学习（RL）单独使用或LLM辅助RL的方式，仍依赖token预测范式，缺乏结构化推理和快速适应性。

UnknownBody·2025-06-20 10:09

人工智能写作革命：从工具到伙伴，如何用大模型打造爆款文章？ ——深度解析AI写作的底层逻辑与实战技巧

这场由大语言模型（LLM）引发的写作革命，正在颠覆传统创作流程：从“人主导”到“人机协作”，从“灵感驱动”到“数据赋能”。但如何让AI从“流水线工人”进阶为“灵魂伙伴”？

星落无尘·2025-06-20 07:14

AI模型微调完整学习方案：从入门到精通

引言随着大语言模型(LLM)技术的快速发展，微调模型以适应特定任务或领域的需求变得越来越重要。微调是一种技术，通过对预训练模型进行进一步训练，使其能够更好地解决特定问题或在特定领域表现更佳。

奔四的程序猿·2025-06-20 05:34

为 AI 编写文档：最佳实践

Bruce：LLM时代要为AI阅读改变写作习惯。

·2025-06-20 04:05

科研漫谈——RAG在LLM中如何调用

科研漫谈——RAG在LLM中如何/何时调用文章目录科研漫谈——RAG在LLM中如何/何时调用1.背景2.RAG与LLM关系2.检索增强生成（RAG）阶段逻辑3.复杂输入（长文本/结构化数据）处理1.背景本文主要解决如下问题

onceco·2025-06-19 19:53

FastMCP 2.0入门指南：构建LLM服务的Pythonic方式

FastMCP2.0入门指南：构建LLM服务的Pythonic方式fastmcpThefast,PythonicwaytobuildModelContextProtocolservers项目地址:https

尤峻淳Whitney·2025-06-19 15:51

在LangChain中集成Log10进行数据管理与调试

Log10是一个开源的无代理LLM数据管理和应用开发平台，旨在帮助开发者记录、调试和标记LangChain调用。这使得分析和优化模型的输出变得更加简单和高效。

·2025-06-19 14:41

深入探讨：如何使用OutputFixingParser修复LLM输出的解析错误并确保数据结构的完整性

深入探讨：如何使用OutputFixingParser修复LLM输出的解析错误并确保数据结构的完整性在当今的自然语言处理（NLP）领域，大型语言模型（LLM）如GPT-3等，已成为解决复杂问题的重要工具

m0_57781768·2025-06-19 12:58

构建 Web 浏览 AI Agent：Pydantic + MCP 实现指南

大型语言模型(LLM)提供了令人难以置信的能力，但它们本身并不知道如何浏览网络或获取实时内容。

李孟聊人工智能·2025-06-19 10:15

在ubuntu22.04上部署RagFlow一个深度文档理解的开源 RAG

它为任何规模的企业提供简化的RAG工作流程，结合LLM（大型语言模型）以提供真实的问答功能，并由来自各种复杂格式数据的有根据的引用提供支持。

BBM的开源HUB·2025-06-19 08:31

Solon AI + MCP实战：5行代码搞定天气查询，LLM从此告别数据孤岛

此文参考自：https://www.toutiao.com/article/7505712149642117669/一、痛点直击：为什么你的AI模型会“一问三不知”？当你问AI“杭州今天会下雨吗”，早期的AI应用会回答“请搜索网络”（大概这么个意思）。传统AI开发需要为每个工具单独开发接口（如天气API、股票数据、本地文件系统），每对接一个数据源需耗费开发者3-5天时间，且存在以下问题：重复开发：

·2025-06-19 04:34

提示工程高级协议框架深度分析

引言：提示工程的演进、挑战与高级协议的必然性大型语言模型（LLM）的兴起标志着人工智能领域进入了一个全新的时代。这些模型以其强大的文本生成、理解和推理能力，正在深刻改变人机交互的方式和自动化水平。

由数入道·2025-06-19 00:41

如何使用context7 MCP 增强AI编程的能力

它能在你给LLM（如Claude、CursorCopilot、Windsurf等）的提示（prompt）中，动态地注入从源头获取的、与你所用库版本完全对应的官方文档和代码示例，从而避免：过时的示例、基于

❀͜͡傀儡师·2025-06-18 21:49

工控领域多模态LLM测试集

MMADMultimodalLargeLanguageModelsinIndustrialAnomalyDetection从4个数据集收集8366样本，涵盖38类工业产品，生成39,672个样本，覆盖7个核心任务。https://github.com/jam-cc/MMAD.githttps://huggingface.co/datasets/jiang-cc/MMAD天池铝型材表面缺陷数据集数据

liliangcsdn·2025-06-18 20:42

大模型（LLMs）RAG 版面分析------文本分块面

使用大型语言模型（LLM）时，切勿忽略文本分块的重要性，其对处理结果的好坏有重大影响。考虑以下场景：你面临一个几百页的文档，其中充满了文字，你希望对其进行摘录和问答式处理。

xianghan收藏册·2025-06-18 15:07

【AI论文精读3】RAG论文综述1-P3-检索器

3.1.检索源RAG依赖外部知识来增强LLM，而检索源（RetrievalSource）的类型（数据结构）和检索单元的粒度都会影响最终的生成结果。3.1.1.数据结构1.非结构化数

AI完全体·2025-06-18 15:07

AI和数据科学的基石-Numpy与Pandas

1.3与LLM1.4“向量化”操作2Pandas2.1Pandas核心数据结构-DataFrame引言一文快速了解Numpy与Pandas。从理论到代码。1Numpy我们学

啾啾大学习·2025-06-18 15:35

知识图谱（KG）、LLM结合：【KG增强LLM：注入结构化知识】【LLM增强KG：自动化构建与补全】【KG与LLM协同：统一表示与联合推理】

知识图谱（KG）与大型语言模型（LLM）的结合是当前AI领域的重要研究方向。两者分别代表符号主义与连接主义的知识表示方式：KG提供结构化、可解释的符号化知识，而LLM具备强大的语义理解和泛化能力。

u013250861·2025-06-18 13:25

训练成本降低2000倍: 直接将推理能力注入LLM

论文标题Resa:TransparentReasoningModelsviaSAEs论文地址https://arxiv.org/pdf/2506.09967代码地址https://github.com/shangshang-wang/Resa作者背景南加州大学动机激发大模型的推理能力通常需要繁重的后训练工作（带CoT的RL或SFT），这一过程不仅需要昂贵的数据与计算资源，还缺乏可解释性（并不清楚模

大模型最新论文·2025-06-18 13:20

SpringAI实战：ChatModel智能对话全解

其中ChatModel作为核心交互组件，通过标准化接口简化了与大语言模型（LLM）的文本交互流程✨。

、BeYourself·2025-06-18 12:10

《大模型应用开发极简入门》——笔记

2.NLP技术从n-gram到LLM的

孟柯coding·2025-06-18 08:15

langchain从入门到精通（十）——ChatMessageHistory 组件

1.BaseChatMessageHistory把记忆功能集成到LLM应用中，会设计到两个核心问题：存储的历史信息是什么？如何检索与处理历史信息？

小陈phd·2025-06-18 07:42

对话DataFocus创始人：大模型会颠覆ToB行业吗？

第一部分LLM大模型Chatgpt究竟神奇在哪里？JET：问答式交互，的确比传统列表搜索的方式好很多。Chatgpt比其他的聊天机器人有了质变，体验上完

clarance2015·2025-06-18 07:11

LLM大模型实战：从零到精通——大模型应用开发极简入门

大模型入门学习·2025-06-18 07:10

「Happy LLM」机器与人类沟通的桥梁——NLP

如果说，编程语言是人类与机器“单方”交流的语言，那么NLP就是机器与人类进行“双向”交流的桥梁了。本章节我们会聊到：什么是NLP？NLP的预处理是怎样实现的？什么是NLP？NLP（自然语言处理）是人工智能的一个分支，专注于让计算机理解、生成和运用人类语言。它的核心是通过算法处理文本或语音数据，实现翻译、问答、情感分析等功能。其本质上是将人类语言转化为机器可处理的结构化数据（如语义解析），同时将机器

OvO_ll·2025-06-17 23:18

LLM指令微调Prompt的最佳实践（二）：Prompt迭代优化

前言2.Prompt定义3.迭代优化——以产品说明书举例3.1产品说明书3.2初始Prompt3.3优化1:添加长度限制3.4优化2:细节纠错3.5优化3:添加表格4.总结5.参考1.前言前情提要：《LLM

SmallerFL·2025-06-17 22:11

部署 DeepSeek 需要安装OpenLIama（即 OLama）

OLama是一个轻量级的LLM软件引擎，用于快速部署和运行大型语言模型（LLM）。它是DeepSeek的核心依赖之一，负责处理模型的加载和服务器端的推理。2.本地部署DeepSeek需要OLama吗？

gzgenius·2025-06-17 21:07

【MCP】连接阿里云百炼MCP至Cursor及其他AI工具

引言随着人工智能技术的飞速发展，大型语言模型（LLM）已经成为开发者和内容创作者不可或缺的工具。

HeXDev·2025-06-17 20:59

MCP 模型上下文协议 modelcontextprotocol/python-sdk

这个项目是现代生成式AI(GenerativeAI)和大语言模型(LLM)领域的一个工具。

·2025-06-17 19:51

LLM输出优化秘籍：Dify参数调节技巧大揭秘！

引言随着大语言模型（LLM）在文本生成、对话系统等领域的广泛应用，参数调节已成为开发者必须掌握的核心技能。

AI大模型-大飞·2025-06-17 17:08

快速上手 LiteLLM：打造高效、稳定、面向生产的 LLM 应用程序

github:https://github.com/BerriAI/litellmhttps://docs.litellm.ai/docs/LiteLLM是一个Python库，旨在简化多种大型语言模型（LLM

汀、人工智能·2025-06-17 16:03

「大模型学习」(10)LLM的量化（GPTQ、LLM.int8()、AWQ）不信你学不会！

前言为什么要做量化？减少模型的存储空间和显存的占用。在显卡中，数据从HBM中加载到TensorCore中计算，计算速度受限于数据加载的速度。通过对模型进行量化，减少HBM和TensorCore之间的数值传输量，从而加快模型推理时间。显卡对整数运算速度快于浮点型数据，从而加快模型推理时间。为什么量化对神经网络精度影响不大？1.权重和输入经过归一化，数值范围较小➤通常神经网络训练后会对输入和权重做标准

木楚子·2025-06-17 16:32

[论文阅读] 人工智能+软件工程 | 用 LLM + 静态代码分析自动化提升代码质量

用LLM+静态代码分析自动化提升代码质量论文信息AugmentingLargeLanguageModelswithStaticCodeAnalysisforAutomatedCodeQualityImprovements

张较瘦_·2025-06-17 15:21

AGI会取代产品经理吗？产品经理还能做什么？

今天先聊第二个问题，也是我在LLM产品化实践、带AI团队时反复思考的主题。在AI自主决策时代，产品经理的核心交付是什么？我的答案是三件事：1.界定问题2.放弃方案3.引导方

大模型玩家·2025-06-17 13:41

LangGraph--设计一个给出标准提示词模板的聊天机器人

这些功能被分为两个独立的状态，而LLM决定何时在这两个状态之间切换。

zsffuture·2025-06-17 12:05

【LangChain】langchain.chains.history_aware_retriever.create_history_aware_retriever函数：创建结合对话历史进行语义检索链

该函数通过语言模型（LLM）重构用户查询，结合历史对话上下文生成更精准的查询，从而从向量存储或其他检

彬彬侠·2025-06-17 12:35

Hugging Face、魔塔社区(MOTA)与OpenRouter：AI模型平台深度对比与实战指南

引言随着人工智能技术的飞速发展，大型语言模型（LLM）和各种预训练模型在各个领域的应用日益广泛。为了方便开发者和研究人员使用这些模型，涌现了许多优秀的AI模型平台。

何双新·2025-06-17 02:21

第2讲、LangChain应用架构与核心组件：构建LLM应用的基石

引言随着大型语言模型（LLM）技术的飞速发展，如何高效、灵活地构建基于LLM的应用程序成为了开发者面临的重要课题。