LLM 第4页

实战解析：5 个关键维度判断业务场景是否适合大模型改造

制造企业的“踩坑”故事在去年的咨询案例中，我们发现一家制造业企业盲目上马大语言模型（LLM），试图优化生产流程中的文档处理环节，结果却陷入了困境。

charles666666·2025-06-15 10:03

论文略读：Does Refusal Training in LLMs Generalize to the Past Tense?

通常就足以破解许多最先进的LLM。我们在多个模型上系统地评估了这一方法，包括Ll

UQI-LIUWJ·2025-06-15 10:31

一个用专业知识库与多层RAG打造调研报告的Agent

随着大型语言模型（LLM）的发展，我们有机会构建一个智能Agent，它能够利用现有的专业知识库（如行业报告、研究论文、内部数据等），通过先进的多层检索增强生成（Multi-hop/LayeredRAG）

kakaZhui·2025-06-15 06:37

langchain从入门到精通（七）——利用回调功能调试链应用 - 让过程更透明

1.Callback功能介绍Callback是LangChain提供的回调机制，允许我们在LLM应用程序的各个阶段使用hook（钩子）。

小陈phd·2025-06-15 06:34

泡沫之下：AI创业的幻象与现实

泡沫之下：AI创业的幻象与现实在过去两年，人工智能尤其是大语言模型（LLM）带来的技术狂潮席卷全球。从投资人到开发者，从巨头公司到独立创业者，似乎人人都在追逐AI带来的“下一个风口”。

草明·2025-06-15 02:41

全方位入门大模型应用开发，只需一招搞定：吴恩达系列课程中文教程实战指南！

随着生成式人工智能技术的迅速发展，大语言模型（LLM,LargeLanguageModel）成为了当下AI领域最炙手可热的赛道之一。如何快速、高效地掌握LLM的开发要领，成为众多开发者关注的热点。

AI小白熊·2025-06-15 02:10

【知识图谱构建系列3】zero-shot的理念介绍

zero-shot用在线的大模型直接实现所谓的zero-shot提取试验参考论文：hal.science/hal-04862214/项目地址：https://github.com/ChristopheCruz/LLM4KGC

几道之旅·2025-06-15 01:00

【思考中.....】RAG如何提高查询准确率呢？

RAG提高查询准确率的核心策略与技术解析检索增强生成（RAG）技术通过整合外部知识库提升大语言模型（LLM）的响应质量，其查询准确率直接影响生成内容的可靠性。

努力努力再努力呐·2025-06-14 23:17

一文彻底搞懂大型语言模型（LLM）：核心机制、训练流程、关键技术与未来展望（LLM领域必读）

自ChatGPT等应用的惊艳亮相以来，“大型语言模型”（LargeLanguageModel,LLM）这个词汇便如一股旋风，迅速席卷了科技圈乃至公众视野。

浠寒AI·2025-06-14 22:11

中国版“AI奶奶”反诈实战：DeepSeek-LLM优化+多模态链路设计》

中国版“AI奶奶”反诈实战：DeepSeek-LLM优化+多模态链路设计附Prompt模板/部署Checklist｜诈骗拦截率提升90%（含Python代码）研究目标实例效果对比：对比分析英国O2公司的

·2025-06-14 19:20

驾驭巨兽：深度剖析大语言模型安全防护的开源实践方案

一、LLM安全风险：不仅仅是提示注入理解攻击面是防护的前提：提示注入(PromptInjection):攻击者精心设计输入，劫持LLM的原始意图，绕过安全机制或执行恶意指令（如生成有害内容、泄露内部提示

梦玄海·2025-06-14 17:00

基于 LLM + 向量库的文档对话实战：从技术到落地的全攻略

今天，本文将深入探讨如何结合LLM（大语言模型）与向量库，打造一款高效、精准的文档对话系统，助力企业实现知识管理的智能化升级，为各位IT管理决策者提供一份具有实操价值的参考指南。

charles666666·2025-06-14 14:40

VLM, Vision-Language Model

VLM现代多模态模型一般采用以下三种架构策略模型类型架构组成执行流程简述VLM+LLM（分离）图像→VLM编码文本→LLM解码图像由视觉模型编码后交给语言模型处理，例如CLIP+GPT。较早期方式。

L-李俊漩·2025-06-14 11:53

GitHub 趋势日报 (2025年06月11日)

由TrendForge系统生成|https://trendforge.devlive.org/本日报中的项目描述已自动翻译为中文今日获星趋势图今日获星趋势图641awesome529awesome-llm-apps448self-llm420boltz412HumanSystemOptimization387vosk-api63MiniCPM56hyperswitch

·2025-06-14 05:16

Chroma 向量数据库学习笔记

它主要用于存储和检索嵌入向量，这些向量通常由大型语言模型(LLM)或其他机器学习模型生成，用于表示文本、图像或其他类型数据的语义信息。Chroma的设计目标是易于使用、轻量级、且专为LLM应用优化。

成都犀牛·2025-06-14 04:42

【人工智能】通过 Function Call 函数调用机制和大模型插件访问外部 API，使得 LLM 可以根据用户的请求智能地选择适当的外部工具，并生成包含所需参数的 JSON 对象来调用这些工具。

FunctionCalling，是一种允许大型语言模型LLM通过调用外部函数或API来增强其能力的技术。

本本本添哥·2025-06-14 02:57

5.1.7.1、【AI技术新纪元：Spring AI解码】Mistral AI函数调用

这允许您将LLM功能与外部工具和API连接。mistral_small_latest和mistral_large_latest模型经过训练，能够检测何时应调用函数，并以遵循函数签名的JSON响应

宋志辉·2025-06-14 01:56

从入门到精通：AI大模型基础原理与应用全景通俗解析

从入门到精通：AI大模型基础原理与应用全景通俗解析引言近年来，AI大模型（LLM，LargeLanguageModel）如同一股浪潮，席卷了自然语言处理、智能问答、代码生成等各行各业。

·2025-06-14 01:54

DSPy Prompt自动生成最佳实践

文章目录什么是DSPy数据准备数据读取定义评估指标配置LLM、优化器开始优化后的prompt总结什么是DSPy这里直接引用文章DSPy入门：再见提示，你好编程中的介绍，详细内容请看原文DSPy（“DeclarativeSelf-improvingLanguagePrograms

ToTensor·2025-06-13 23:41

大模型现在用的最多其次是预训练模型,大模型用于rag agent 预训练模型用于微调任务

当前的人工智能领域，大模型与预训练模型的应用场景呈现出显著的差异化特征，以下从技术逻辑、应用场景及典型案例三个维度展开分析：一、大模型（LLM）的核心应用：RAGAgent架构1.技术逻辑：动态知识检索与推理融合大模型

MYH516·2025-06-13 21:52

04 XTuner 大模型单卡低成本微调实战

目录1Finetune简介1.1监督微调1.2增量预训练1.3LoRA&QLoRA2XTuner微调框架3微调实战3.1公开数据集demo3.2自定义微调1Finetune简介LLM的下游应用中，增量预训练和指令跟随是经常会用到的两种微调模式

wangzixinxinxin·2025-06-13 20:22

大模型——阿里云百炼 MCP 服务评测与 Agent 构建实战

简单来说，MCP旨在简化大型语言模型（LLM）使用外部工具或服务的过程，显著降低了开发者和用户构建复杂AI应用的门槛。随着相关协议的发布，近几个月内涌现了大量支持MCP的工具和服务。

不二人生·2025-06-13 13:28

务必收藏！大模型常见面试题汇总与详解

将query与检索内容输入LLM，最终输出结果。使用外挂知识库主要为了解决什么问题克服遗忘问题。提升回答的准确性、权威性和时效性。解决通用模型在一些小众领域未涉猎的问题。提高可控性和可解释性，

AI-入门·2025-06-13 13:57

在 Windows 和 Linux 系统上安装和部署 Ollama

引言Ollama是一个强大的本地大语言模型（LLM）运行工具，允许用户轻松下载和运行不同的AI模型，如LLaMA、Mistral和Gemma。

萧鼎·2025-06-13 10:34

AI Agent核心技术深度解析：Function Calling与ReAct对比报告

摘要本文系统分析了大语言模型（LLM）与外部工具交互的两大核心技术范式：FunctionCalling（函数调用）和ReAct（推理-行动框架）。

chanalbert·2025-06-13 09:28

Spring AI & MCP

MCP是什么MCP是模型上下文协议（ModelContextProtocol）的简称，是一个开源协议，由Anthropic（Claude开发公司）开发，旨在让大型语言模型（LLM）能够以标准化的方式连接到外部数据源和工具

waani·2025-06-13 06:07

大模型笔记：RAG（Retrieval Augmented Generation,检索增强生成）

大模型知识更新的困境大模型的知识更新是很困难的，主要原因在于：训练数据集固定,一旦训练完成就很难再通过继续训练来更新其知识参数量巨大,随时进行fine-tuning需要消耗大量的资源，并且需要相当长的时间LLM

·2025-06-13 02:11

MCP Python SDK学习指南

MCP是一种用于将外部数据源和工具与大型语言模型（LLM）应用集成的开放协议。

·2025-06-12 21:33

热门项目推荐：MCP Python SDK - 标准化LLM应用上下文管理

祁瑜女Eda·2025-06-12 21:30

TensorZero：开源 LLM 应用优化与可观测性平台

TensorZero是一个开源的LLM（大语言模型）应用全链路优化平台，聚焦于“数据—评估—优化—实验”自动化闭环，极大提升LLM产品的可观测性、可优化性和可扩展性。

DeepLinkDeepLink·2025-06-12 18:11

论文阅读：Enhancing Retrieval and Managing Retrieval: A Four-Module Synergy for Improved Quality and Ef

检索增强生成（RAG）技术利用大型语言模型（LLM）的上下文学习能力，生成更准确、更相关的响应。RAG框架起源于简单的“检索-阅读”方法，现已发展成为高度灵活的模块化范式。

clvsit·2025-06-12 17:04

Enhancing Robustness in Large Language Models: Prompting for Mitigating the Impact of Irrelevant

本文是LLM系列文章，针对《EnhancingRobustnessinLargeLanguageModels:PromptingforMitigatingtheImpactofIrrelevantInformation

UnknownBody·2025-06-12 17:00

使用RAG-Chroma-Multi-Modal构建多模态幻灯片视觉助手

通过多模态大型语言模型(LLM)，我们现在能够创建一个视觉助手来解析和回答关于图像的问题，而RAG-Chroma-Multi-Modal正是这样一个工具。

tt_jishu·2025-06-12 14:41

调用LLM的api

目录chatgptdemo可选模型chatgptdemoimportopenai#openai==0.28.1openai.api_key=xxxxxxxxx#自己的apikeyopenai.api_base='https://api.feidaapi.com/v1'#中转非直连#response=openai.ChatCompletion.create(#model="gpt-4o",#mess

myccver·2025-06-12 08:25

智能客户服务：AI与大数据的革新力量

近年来，随着大语言模型（LLM）

Live800智能客服·2025-06-12 04:57

深度剖析Diffusion与Transformer在图像生成中的计算逻辑与融合之道

更令人兴奋的是，当这两者强强联合，尤其是结合大型语言模型（LLM，通常基于Transformer架构）的语义理解能力，AI图像生成便插上了想象的

kakaZhui·2025-06-12 02:54

FastRTC - Python实时通信库

本文翻译整理自：https://github.com/gradio-app/fastrtc文章目录一、关于FastRTC相关链接资源关键功能特性二、安装三、使用示例1、音频回传2、LLM语音对话3、摄像头流处理

·2025-06-12 01:15

mem0 安装与测试：一个强大的对话记忆管理工具

安装首先需要安装mem0包：pipinstallmem0ai基本配置mem0的配置主要包含两个部分：LLM（大语言模型）配置Embedder（嵌入模型）配置配置示例frommem0.configs.baseimportMemoryCon

ZHOU_CAMP·2025-06-12 01:42

MemGPT学习资源汇总 - 打造具有长期记忆和自定义工具的LLM代理

MemGPT简介MemGPT是一个用于构建具有长期记忆和自定义工具的LLM代理的框架。

2401_87458778·2025-06-12 00:09

RagFlow 全面解析：打造企业级文档问答系统的开源利器

二、系统架构总览1.文档解析（DeepDoc）2.内容切块（Chunking）3.向量化与索引构建4.检索与重排序5.LLM接入与响应生成三、关键技术亮点✅深度文档结构解析✅多模态与异构知识库融合✅可视化控制平台四

gs80140·2025-06-11 21:15

MultiVector 实现多向量检索文档

摘要：使用LLM为每个文档块生成一段摘要，将其和原文档一起嵌入或者代

yibuapi_com·2025-06-11 17:18

LLM训练全细节 | 如何从零到一进行 pretrain 工作

LLM训练全细节|如何从零到一进行pretrain工作ybq大模型新视界2025年01月11日22:00四川原文：https://zhuanlan.zhihu.com/p/718354385这篇文章介绍下如何从零到一进行

强化学习曾小健·2025-06-11 08:46

【一切皆是映射】AI 大模型 LLM + 推荐系统 RS：个性化的艺术——基于LLM的推荐系统用户行为预测

AI天才研究院·2025-06-11 06:02

Java大模型开发入门 (1/15)：AI浪潮来袭，Java开发者如何抓住大模型（LLM）新机遇？

ChatGPT、Deepseek、Claude…这些大语言模型（LLM）不仅成了科技圈的“网红”，更开始渗透到各行各业，重塑我们与软件交互的方式。你可能一边

程序员阿超的博客·2025-06-11 05:24

LangChain Core架构解析：模块化设计与LCEL原语实现原理

设计原则遵循模块化设计和极简风格设计哲学：约定优于配置(ConventionOverConfiguration)•模块化设计:各个抽象对象相互独立，不与任何特定LLM绑定。

大千AI助手·2025-06-10 23:37

赋能大型语言模型与外部世界交互——函数调用的崛起

大型语言模型(LLM)近年来在自然语言处理领域取得了革命性的进展，展现出强大的文本理解、生成和对话能力。然而，这些模型在与外部实时数据源和动态系统交互方面存在固有的局限性1。

CCSBRIDGE·2025-06-10 22:58

提升AI输出精度：深入了解Langchain输出解析器的应用

Langchain输出解析器是Langchain框架中的一个组件，主要用于将LLM(大型语言模型)生成的非结构化文本转换成结构化数据格式。

AI Agent首席体验官·2025-06-10 22:28

LangChain 结构化输出：用 Pydantic + PydanticOutputParser 驯服 LLM 的“自由发挥”

2、Pydantic和PydanticOutputParser核心区别3、Pydantic的不足（1）无法直接解析非结构化文本（2）缺乏对LLM输出的适配性（3）缺少格式指导生成（4）错误处理不够场景化

echola_mendes·2025-06-10 22:26

【使用LLM搭建系统】7 搭建一个带评估的端到端问答系统

一、环境配置pipinstallchannels==3.0.5#配置OpenAIKEYimportosfromzhipuaiimportZhipuAIimportsyssys.path.append('../..')#使用英文Prompt的工具包importutils_en#使用中文Prompt的工具包importutils_zhkey="f5cd91f2528fed334b9dfd7501579

杨过过儿·2025-06-10 20:40

【使用LLM搭建系统】5 处理输入: 链式 Prompt Chaining Prompts

本章内容主要介绍了将复杂任务拆分为多个子任务（链式Prompt）的方法及其优势。尽管高级语言模型像GPT-4擅长一次性遵循复杂指令，但有时拆分任务更可取。通过两个比喻来阐述原因：一次烹饪复杂菜肴与分阶段烹饪：一次性复杂Prompt像一次性烹饪复杂菜肴，易出错；链式Prompt像分阶段烹饪，逐步确保每个部分正确。一次性完成任务与分阶段完成任务：复杂单步任务像一长串代码，难调试；而链式Prompt如同

杨过过儿·2025-06-10 19:37

推荐频道

LLM