客体上下文

《AI大模型开发笔记》——提示词工程

1.什么是提示工程提示工程（PromptEngineering），也被称为上下文学习，是指通过精心设计的提示技术来引导LLM行为，而无需更改模型权重。其目标是使模型输出与给定任务的人类意图一致。
Richard Chijq·2025-03-01 04:27

DeepSeek技术全景解析：架构创新与行业差异化竞争力

DeepSeek技术体系的核心突破架构设计：效率与性能的双重革新Multi-headLatentAttention(MLA)：通过将注意力头维度与隐藏层解耦，实现显存占用降低30%的同时支持4096超长上下文窗口
二进制coder·2025-03-01 01:40

清华大学《DeepSeek与AI幻觉》（无套路免费分享）

然而，AI在生成内容时常常会出现“幻觉”——即生成与事实不符、逻辑断裂或脱离上下文的内容。
xiecoding.cn·2025-02-28 16:03

微软发布 Phi-4 迷你模型,适合本地部署ChatBot

该模型属于Phi-4模型系列，支持128K标记上下文长度。该模型经历了一个增强过程，包含了监督微调和直接偏好优化，以支持精确的指令遵循和稳健的安全措施。
吴脑的键客·2025-02-28 13:43

大模型调优方法：提示工程、RAGs 与微调对比

如项目需要一个特定结构的应用程序，如预训练缺失上下文的重要文件，再比如有特定术语和结构的高专业性的行业领域，面对这些问题，需要有特定的方法来调整LLM。要决定用哪种调优方法，首先得明白这些方法的含义。
AI大模型探索者·2025-02-28 11:03

Golang之Context详解

引言之前对context的了解比较浅薄，只知道它是用来传递上下文信息的对象；对于Context本身的存储、类型认识比较少。
高冷小伙·2025-02-28 10:56

通俗理解闭包

另外，使用闭包还可用于保存上下文信息等场景。一、定义从函数角度闭包是指有权访问另一个函数作用域中的变量的函数。即使外部函数已经返回，闭包仍然可以访问外部函数内部的变量。例如：functionouter
yuren_xia·2025-02-28 10:18

python asyncio (协程、异步编程)

4.2事件循环4.3协程函数和协程对象4.4await关键字4.5Task对象4.6asyncio的Future对象4.7concurrent.futures的Future对象4.8异步迭代器4.9异步上下文管理器
_Rabbit_·2025-02-28 05:04

GPT-4提示词冠军如何写 prompt：CO-STAR 框架、文本分段、系统提示

©上下文：为任务提供背景信息通过为大语言模型（LLM）提供详细的背景信息，可以帮助它精确理解讨论的具体场景，确保提供的反馈具有相关性。
天涯倦客的美丽人生·2025-02-28 04:58

Nacos作为配置中心怎么玩，以及Nacos为何启动就挂，Nacos配置中心有多简单。

Nacos主要资源配置项application.properties(主要配置)汉化部分如下:＃***************SpringBoot相关配置***************＃＃##默认的Web上下文路径
YourStarYang·2025-02-28 03:23

Deepseek Api 对话补全（Chat Completion）、补全（Completion）、FIM补全（Fill-in-Middle，Beta）区别

上下文处理：自动维护对话历史，适合多轮交互。适用场景：聊天机器
Dontla·2025-02-28 01:09

Aspect执行时目标方法参数设置完成了吗？

以下是详细的解释：参数绑定的时机：当通过代理对象调用目标方法时，Spring会先解析方法的参数（例如，从请求、上下文或调用方传入的值），并将其正确绑定到方法的参数列表中。
阿湯哥·2025-02-28 01:03

Spring Boot启动过程?

目录1.启动入口2.SpringApplication初始化3.准备环境4.创建应用上下文（ApplicationContext）5.准备应用上下文6.刷新应用上下文7.启动Web服务器（若为Web应用
点滴~·2025-02-28 01:31

字节的豆包和Kimi 的优劣势对比

Moonshot自研长文本大模型，专注超长上下文理解。自研模型聚焦复杂逻辑推理与代码生成，垂直领域优化。长文本处理支持
eso1983·2025-02-27 23:14

LangChain入门：使用Python和通义千问打造免费的Qwen大模型聊天机器人

它提供了一个灵活的框架，使得开发者可以构建具有上下文感知能力和推理能力的应用程序，这些应用程序可以利用公司的数据和APIs。这个框架由几个部分组成。
闯江湖50年·2025-02-27 20:45

ollama api 中 api/generate 和 api/chat 的区别

生成过程不依赖于上下文的历史对话信息，每次请求都
喜-喜·2025-02-27 14:28

【RAG系列】知识加工的艺术 - 文档预处理实战手册

知识加工的艺术-文档预处理实战手册原始文档文档拆分结构化数据非结构化数据表格处理器文本分割器格式化CSV语义分块知识图谱一、文本拆分的积木法则1.1机械分割vs语义理解固定窗口上下文感知段落拆分...模型参数量达到
什么都想学的阿超·2025-02-27 10:35

策略模式结合springboot开发

策略模式中上下文对象，上下文对象封装了接口的具体实现，与一些逻辑，是提供服务与实际的服务底层逻辑相互分离。
别告诉我有BUG·2025-02-27 07:40

使用Google Cloud Vertex AI构建RAG匹配引擎

在GoogleCloudPlatform的VertexAI中，我们可以利用MatchingEngine来快速高效地从大规模的数据集中检索相关文档或上下文。
vaidfl·2025-02-27 06:29

RAG技术落地：核心痛点与应对策略全面解析

核心痛点与应对策略全面解析一、技术实现层的四大挑战二、数据质量管理的生死线三、产业落地的软性痛点四、未来技术演进方向RAG技术落地：核心痛点与应对策略全面解析检索增强生成（RAG）技术凭借其提升内容精准性与上下文关联的优势
山风wind·2025-02-27 05:58

设计模式-（状态模式，策略模式，代理模式，责任链模式）

状态模式的核心思想是将状态封装到独立的类中，每个状态类都定义了在该状态下对象的行为状态模式主要涉及以下角色：Context（上下文）：定义了客户端需要的接口，并维护一个对当前状态对象的引用。
*^O^*—*^O^*·2025-02-27 05:24

DeepSeek-V3：最强开源MoE模型的技术解析与使用指南

目录引言模型概览架构创新：负载均衡策略与训练目标预训练：追求极致的训练效率后训练：从DeepSeek-R1进行知识蒸馏模型下载评估结果基础模型标准基准测试上下文窗口聊天模型标准基准测试（大于67B的模型
认识祂·2025-02-26 19:10

ChatGPT版本差异分析大全

GPT-3.5是早期版本，仅支持文本，且性能和上下文理解能力较弱。2.推理与准确性o1系列在复杂推理任务中表现卓越：通过CoT（链式推理）技术分解复杂问题，在医学临床案例测
爱吃青菜的大力水手·2025-02-26 17:26

spring security面试题

1、springsecurity所谓的全局上下文是如何实现的？ThreadLocal2、了解springsecurity哪些核心组件，并介绍？
「已注销」·2025-02-26 17:56

React 进阶阶段学习计划

深入理解上下文（Context）和Redux的高级用法。学会服务端渲染（SSR）。深入探讨性能优化技巧。
夜游猿·2025-02-26 17:24

Kubernetes (K8S) 高效使用技巧与实践指南

一、kubectl高效操作技巧1.自动补全与上下文切换kubectl是操作K8S的核心命令行工具，通过以下配置可大幅提升操作效率：#Bash自动补全source快速切换目标集群。2.YAML模板生成与
挣扎与觉醒中的技术人·2025-02-26 17:23

RDMA原理

内核旁路（KernelBypass）：应用程序通过用户态驱动直接操作网卡，减少上下文切换开销。CPU卸载（CPUOffload）：数据传输由支持RDMA的智能网卡（RNIC）处理，释放
完颜振江·2025-02-26 14:01

RAG技术全面解析：从原理到实践中的20个关键问题

其核心流程是：用户提问后，系统从外部知识库（如文档、数据库）中检索相关文档片段；将检索结果作为上下文输入大语言模型（LLM）；LLM基于上下文生成最终答案。
大F的智能小课·2025-02-26 12:47

面试基础----ReentrantLock vs Synchronized

痛点直击：错误选锁可能引发性能瓶颈（如线程阻塞、上下文切
WeiLai1112·2025-02-26 09:51

Golang架构直通车——理解协程和Go调度器

协程和Channel的使用建议进程、线程与协程线程或者进程切换会带来大量的系统开销和上下文切换成本，导致严重的系统开销。
No_Game_No_Life_·2025-02-26 06:35

【RAG系列】AI的“三步记忆法“ - RAG工作流程全景解析

：从人类记忆到机器记忆1.1考试复习的三步法则建立知识框架提取核心信息综合运用考前预习划重点考场作答最终答案这个经典的学习过程与RAG的工作流程惊人相似：预习阶段→文档预处理与向量化划重点→语义检索与上下文压缩作答
什么都想学的阿超·2025-02-26 04:51

MoBA：LLM长文本救星！月之暗面开源新一代注意力机制：处理1000万token能快16倍，已在Kimi上进行验证

当同行还在为以下问题头疼时——32k上下文跑批处
蚝油菜花·2025-02-25 15:53

协程的基本实现原理详解以及在java中的使用

详细讲解了NtyCo库的实现，包括上下文切换和调度器。需要注意，
一个儒雅随和的男子·2025-02-25 12:59

2022年上半年软件设计师下午题题目详解与知识点解析（附真题及答案）

上下文图作用：展示系统范围及与外部实体的数据交互。问题2：数据存储D1-D4解题思路：功能模块对应存储数据：D1（用户/商户信息表）→入驻管理存储的数据。D2（订单表）→订餐生
xiaohiiii·2025-02-25 10:12

C++-static关键字

文章目录前言一、全局变量或函数：限制作用域（内部链接）二、局部变量：延长生命周期三、类的静态成员变量四、类的静态成员函数五、函数内的静态对象注意事项总结前言C++中的static关键字用途广泛，具体用法因上下文而异
努力的小钟·2025-02-25 06:14

【Flask学习笔记：八】Flask 中的 cookie、session

学习笔记：一】开发环境部署  【Flask学习笔记：二】Flask入门基础知识  【Flask学习笔记：三】Flask中的request、response  【Flask学习笔记：四】Flask应用和请求上下文
Mr_Zhang2·2025-02-25 04:30

浅谈大模型RAG架构落地的十大挑战

1、增强：结合检索出的上下文和问题，构造Prompt。2、生成：将Prompt输入大模型，产出答案。3、从工程视角划分，RAG实施
Python程序员罗宾·2025-02-24 15:31

第2章:如何基于LangChain4j实现聊天记忆

本章主要介绍基于LangChain4J如何实现聊天记忆的功能，解决大模型无状态下有上下文的聊天1.聊天记忆（ChatMemory）的介绍手动管理和维护ChatMessage（聊天消息）是繁琐的。
一起学开源·2025-02-24 01:18

国内怎样使用claude？亲测有效的使用方法来了！新手必备

它不仅拥有令人惊叹的自然语言处理能力，更兼具卓越的上下文理解和无与伦比的安全性，正以迅雷不及掩耳之势席卷全球AI领域！克劳德的目标很简单：成为更安全、更友好、更可靠的AI系统。
·2025-02-23 12:59

ragflow-RAPTOR到底是什么？请通俗的解释！

RAPTOR有两种不同的含义，具体取决于上下文：RAPTOR作为一种信息检索技术RAPTOR是一种基于树状结构的信息检索系统，全称为“RecursiveAbstractiveProcessingforTree-OrganizedRetrieval
愚昧之山绝望之谷开悟之坡·2025-02-23 11:13

微服务框架需要处理哪些问题？

文章目录简述架构选择统一版本管理基础框架包管理业务框架包管理模型分层全局上下文管理数据结构定义上下文的传播前后端数据格式协定统一数据格式字段规范协定异常处理orm配置公共字段处理分页处理字段加解密缓存key
起风哥·2025-02-23 08:49

DeepSeek提示词结构：新手指南与技巧2

背景先行❌缺乏上下文：“分析这份数据”✅补充信息：“分析近3个月电商用户购买数据，聚焦‘复购率低于10%’的品类，
调皮的芋头·2025-02-23 06:32

《DAMA数据管理知识体系指南》备考笔记-第一章 数据管理 (4 分)_dama8大模块

信息：数据在特定上下文中的应用。P2数据驱动的定义：依赖事件触发和分析应用以获得有价值的见解。这要求业务领导与技术专家合作，并依据专业规则对数据进行有效管理。
2401_84411072·2025-02-23 06:30

单目标追踪——【Transformer】Transformer Tracking

目录文章侧重点网络结构上下文增强模块交叉特征增强TransT网络结构可视化结果分析n=1n=2n=3n=4Transformer这个香饽饽怎么能不用来迁移到目标追踪里呢。本篇文章分析TransT。
zz的大穗禾·2025-02-23 04:21

linux在工作中常用命令

2.查找上下文内容1.查找包含关键字的行及其上
bs_101·2025-02-23 04:18

GLFW（Graphics Library Framework）

GLFW基本用法GLFW是一个轻量级的库，专注于窗口管理、OpenGL上下文创建和输入处理。以下是其基本用法：1.初始化GLFW在使用GLFW之前，必须先初始化库：if(!
CoderIsArt·2025-02-23 04:47

四种常见图形库GLUT，SDL，SFML和GLFW简介

GLUT、SDL、SFML和GLFW是四种常用的库，用于管理窗口、输入和上下文创建，通常与OpenGL结合使用以实现图形渲染。以下是它们的详细介绍、常用应用场合和具体案例。
CoderIsArt·2025-02-23 04:17

VGG 改进：加入GAMAttention注意力机制提升对全局信息捕捉能力

它通过引入全局上下文信息，帮助模型更好地理解输入数据
听风吹等浪起·2025-02-23 02:36

Svelte 最新中文文档教程（16）—— Context（上下文）

前言Svelte，一个语法简洁、入门容易，面向未来的前端框架。从Svelte诞生之初，就备受开发者的喜爱，根据统计，从2019年到2024年，连续6年一直是开发者最感兴趣的前端框架No.1：Svelte以其独特的编译时优化机制著称，具有轻量级、高性能、易上手等特性，非常适合构建轻量级Web项目，也是我做个人项目的首选技术栈。目前Svelte基于Svelte5发布了最新的官方文档，但却缺少对应的中文
·2025-02-22 23:49

使用LlamaIndex进行Token计数的实战指南

环境设置首先，我们需要设置回调和服务上下文。通过全局设置，我们可以在不需要每次查询时都传递这些设置的情况下使用它们。importosos.environ["OPENAI_API
llzwxh888·2025-02-22 18:55
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他