Quora问答

9篇1章1节：在 RStudio 中使用 DeepSeek

DeepSeek不仅支持自然语言对话、R语言及Python编程辅助，还可用于科研写作、多轮问答和自定义角色模拟，其开放接口
DAT｜R科学与人工智能·2025-04-20 10:00

从智能问答到行动赋能:MCP协议如何重构AI交互范式

一、AI大模型的发展现状与工具化困境自2023年3月GPT-4问世以来，全球AI领域迎来爆发式增长，ChatGPT、Claude、通义千问等千亿级参数模型相继涌现。这些模型在文本生成、代码编写等任务中展现出惊人能力，却始终面临数字囚笼困境：交互局限：模型输出停留在文本层面，无法直接操作系统资源（如文件、API、数据库），用户需手动执行后续操作上下文割裂：传统滑动窗口机制导致长程依赖丢失，复杂任务处
漫谈网络·2025-04-20 05:28

Unity C#进阶：用状态模式与FSM优雅管理复杂敌人AI，告别Spaghetti Code！（Day32）

模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战
吴师兄大模型·2025-04-20 01:27

从PDF到播客：MIT开发的超越NotebookLM的工具

NotebookLM提供的不仅仅是这些，还包括聊天（问答）甚至生成思维导图。如果你还没有尝试过NotebookLM，我强烈建议你亲自体验一下。它是免费的，而且使用非常简单。
李孟聊人工智能·2025-04-19 14:47

1、AI大模型理论入门

这种模型通常包含数百亿甚至更多的参数，通过自监督学习方法进行训练，能够生成自然语言文本，深入理解文本含义，并处理各种自然语言任务，如文本摘要、问答、翻译等。‌
小薛博客·2025-04-19 11:26

浅谈大语言模型（LLM）的微调与部署

但要在特定任务（如医疗问答、法律文档分析）上表现更好，就需要微调。微调的步骤大概包括准备数据、选择微调方法、调整超参数等。接下来是数据准备。
云端源想·2025-04-19 11:24

论文略读：Can Long-Context Language Models Subsume Retrieval, RAG, SQL, and More?

这类系统通常需要独立的模块来进行信息检索、问答和数据库查询等任务大模型时代，尤其是上下文语言模型（LCLM）时代，上述问题可以“一体化”完成LCLM可以直接接收包含文本、图像、音频等多模态信息的整个语料库作为输入
UQI-LIUWJ·2025-04-19 04:45

GEO优化之交互式社交搜索优化

其核心差异与实施策略如下：一、与传统社媒SEO的本质区别维度传统社媒SEOInteractiveSocialSEO优化目标提升内容在社交平台内的曝光/互动让社交内容被AI模型抓取并推荐到全域场景（如豆包问答
盈达科技·2025-04-19 00:44

《软件设计师》复习笔记（1）——考试介绍【新】

计算机与软件工程知识三、软件设计一、考试介绍>考试科目>考题形式>考试时长>合格标准计算机与软件工程知识75道单选题（每题1分，总分75分）2023年11月改革机试后，合并考试，总时间240分钟45分及以上软件设计6道问答题
寒舍书生·2025-04-18 22:02

MaxKB本地部署

MaxKB介绍MaxKB=MaxKnowledgeBase，是一款基于大语言模型和RAG的开源知识库问答系统，广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。
居7然·2025-04-18 21:56

AI测试入门：什么是大型语言模型（LLM）？

大语言模型的历史发展二、大语言模型的工作原理2.1Transformer架构2.1.1自注意力机制2.2预训练与微调2.3.1预训练2.3.2微调三、大语言模型的应用场景3.1文本生成3.2机器翻译3.3问答系统
blues_C·2025-04-18 17:34

基于深度学习的自然语言处理技术

基于深度学习的自然语言处理技术可以应用于多种场景，如机器翻译、问答系统、文本生成、情感分析、摘要提取、对话系统、新闻分类等。本
AI天才研究院·2025-04-18 04:06

大数据面试问答-HBase/ClickHouse

1.HBase1.1概念HBase是构建在HadoopHDFS之上的分布式NoSQL数据库，采用列式存储模型，支持海量数据的实时读写和随机访问。适用于高吞吐、低延迟的场景，如实时日志处理、在线交易等。RowKey（行键）定义：表中每行数据的唯一标识，类似于关系数据库的主键。特点：数据按RowKey的字典序全局排序。所有查询必须基于RowKey或范围扫描（Scan）。示例：user_123_orde
孟意昶·2025-04-18 03:00

知识库Qanyting部署问题总结

说明QAnything(QuestionandAnswerbasedonAnything)是致力于支持任意格式文件或数据库的本地知识库问答系统，可断网安装使用。
yuanlulu·2025-04-17 23:01

EgoPlan-Bench2: 包含1321个高质量的多选题问答对，覆盖工作、日常生活、爱好和娱乐四大领域，共24个详细场景

2024-12-06，由香港大学与腾讯PCG的ARC实验室联合创建了EgoPlan-Bench2数据集，这个数据集通过模拟人类日常生活中的复杂任务，为多模态大型语言模型（MLLMs）的规划能力提供了一个严格和全面的评估平台，对于推动人工智能向通用智能发展具有重要意义。数据集地址：EgoPlan-Bench2|多模态大语言模型数据集|规划能力评估数据集一、研究背景：随着多模态大型语言模型（MLLMs
·2025-04-17 16:57

深度洞察：DeepSeek 驱动金融行业智能化转型变革

目录一.金融行业的智能化转型浪潮二.DeepSeek的核心技术剖析1.DeepSeek模型的金融智慧2.实时联网搜索：把握金融市场脉搏3.RAG能力：铸就精准金融知识问答三.多维度金融应用实例展示1.智能投资顾问
Pocker_Spades_A·2025-04-17 07:45

大语言模型（LLM）的训练和推理

它们可以完成多种任务，包括文本生成、分类、翻译、问答等。训练和推理是模型生命周期的两个核心阶段：训练：从海量数据中学习语言模式，优化模型参数。推理：使用训练好的模型处理新输入，生成输出。二、大语言模
爱看烟花的码农·2025-04-17 01:12

Ubuntu 服务器Llama Factory 搭建DeepSeek-R1微调训练环境

1.1.目的提高特定任务性能：对于像文本生成、机器翻译、问答系统等具体任务，通过微调可以让模型在这些任务上的准
大鱼>·2025-04-16 16:40

[特殊字符] 「Python 编程实战：10 道必刷题解析 + 录屏讲解，从数组操作到矩阵算法！」

一、问答题（1）假设lst=[30,1,2,1,0],在应用下面的每条语句之后列表变成了什么?假设每行代码都是独立的。
明灯L·2025-04-16 14:56

大模型精准问答机制解析：从语义向量化到上下文增强的完整流程拆解

引言首先我们需要思考一个问题：在我们用大模型，对它提出问题时，它为什么能够给到你一个相对精确的回复？一、大模型生成会话流程1、文本生成流程用户输入问题——问题向量化（检索阶段）——向量相似性检索——拼接上下文与问题——大模型生成答案——用户接收答案2、流程解析2.1用户输入问题用户把问题给到大模型；2.2问题向量化（检索阶段）大模型会将用户的问题转换成向量化数据（也就是将问题文本转化为数值形式的向
SHIPKING393·2025-04-16 13:53

Day08【基于FAQ实现单轮问答系统】

基于FAQ实现单论问答系统目的1.QASystem类初始化类加载知识库文件bm25算法加载词向量模型sentence_to_vecquery查询2.主程序部分总结目的本文实现了一个基于FAQ知识库和文本匹配算法的问答系统
Mechanotrooper·2025-04-16 12:12

Day09【基于Tripletloss实现的简单意图识别对话系统】

Tripletloss实现的表示型文本匹配目标数据准备参数配置数据处理TripletLoss目标TripletLoss计算公式公式说明模型构建网络结构设计网络训练目标损失函数设计主程序推理预测类初始化加载问答知识库文本向量化知识库查询主程序
Mechanotrooper·2025-04-16 11:39

python实战（四）——RAG预热实践

二、常规的大模型问答这里直接给出本文的示例Query：“请告诉我，花花是一个怎么样的人”下面，调
CM莫问·2025-04-16 09:53

RAG优化：python从零实现[吃一堑长一智]循环反馈Feedback

本文将介绍一种有反馈循环机制的RAG系统，让当AI学会"吃一堑长一智"，给传统RAG装了个"后悔"系统，让AI能记住哪些回答被用户点赞/拍砖，从此告别金鱼记忆：每次回答都像在玩roguelike：失败结局会强化下次冒险悄悄把优质问答变成新知识卡牌
AI仙人掌·2025-04-16 08:22

【机器学习】揭秘隐私保护机器学习：差分隐私与联邦学习如何守护你的数据？

模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战
吴师兄大模型·2025-04-15 20:00

大数据面试问答-批处理性能优化

1.数据存储角度1.1存储优化列式存储格式：使用Parquet/ORC代替CSV/JSON，减少I/O并提升压缩率。df.write.parquet("hdfs://path/output.parquet")列式存储减少I/O的核心机制：列裁剪（ColumnPruning）原理：查询时只读取需要的列，跳过无关列。示例：若执行SELECTAVG(Age)FROMusers，只需读取Age列的数据块，
孟意昶·2025-04-15 13:17

深入理解 LlamaIndex 查询管道：从模块化编排到自定义组件开发

在构建智能问答系统时，我们常常需要将大模型、检索器、提示词模板等多个模块高效串联。
佑瞻·2025-04-15 10:59

从 0 到 1 构建高效 RAG 问答系统：LangChain+Ollama+Chroma 实战指南

一、引言：突破LLM知识边界的RAG技术在企业级AI应用中，大语言模型（LLM）常面临两大痛点：知识时效性不足（如训练数据截止到2023年）和领域知识缺失（如企业内部文档未被模型学习）。检索增强生成（RAG）技术通过将外部知识库与LLM结合，实现了"模型推理+事实检索"的闭环，显著提升回答的准确性和可信度。本文将以LangChain为框架，结合Ollama轻量级模型和Chroma向量数据库，从零搭
佑瞻·2025-04-15 10:29

RAG架构概述

RAG在自然语言处理（NLP）中的应用尤为广泛，特别是在需要大量背景知识的任务，如问答系统、对话生成、摘要生成等。
沉墨的夜·2025-04-15 10:27

Python Transformer 库及使用方法

其核心功能包括：预训练模型：支持数百种模型，适配文本分类、生成、翻译、问答等任务。分词与工具链：提供高效的分词器（Tokenizer
学亮编程手记·2025-04-15 08:40

大模型在金融行业的应用场景

应用场景知识库/知识问答知识库目前是大模型落地最多的场景，也是其他业务的基石。
Python程序员罗宾·2025-04-14 14:12

npm 常用命令及示例和解析

示例：npminit-y#使用默认配置快速生成package.json解析：-y参数会跳过交互式问答，直接生成默认配置文件。2.安装依赖命令：npminstall（或npmi）功能：安装项目依赖包。
we19a0sen·2025-04-13 13:31

理解大模型论文中的名词部分

从海量无标注文本中学语言能力（通常一次性训练大模型）•特点：训练耗时、成本高，但是基础中的基础•是否自己做：一般使用开源预训练模型，无需重复训练2.指令监督微调（SFT）•目标：让模型学会执行人类指令（如问答
要努力啊啊啊·2025-04-13 13:30

如何评估DeepSeek模型在实际项目中的性能？

例如，在医疗问答场景中，可构建包含专业术语的测试集，验证模型对医学概念的理解能力。代码生成任务：采用HumanEval、MBPP等代码生成基准，评估模型
alankuo·2025-04-13 08:29

对话记忆（Conversational Memory）

这一机制使得对话系统不再仅仅是“问答机”，而是能够持续跟踪用户意图、个性化响应并提供连贯体验的智能体。
大树~~·2025-04-13 06:40

智体知识库：ai-docs对分布式智体编程语言Poplang和javascript的语法的比较（知识库问答）

问：poplang语法的规则特点，与javascript的对比。采用markdown代码输出分析文章，并总结。ai-docs答：Poplang与JavaScript语法对比分析一、核心设计理念对比特性PoplangJavaScript编程范式纯面向操作码(OPCode)编程多范式(面向对象/函数式/过程式)执行方式线性指令执行事件驱动+解释执行设计目标专用领域DSL(如地图工具)通用编程语言二、基
lauo·2025-04-12 21:18

**深入探索会话式RAG：构建智能问答应用的终极指南**

#引言在当今的问答应用中，赋予应用能够进行回合制对话的能力变得至关重要。这意味着应用程序需要某种形式的“记忆”来记录过往的问题和答案，并具有将这些上下文融入当前问题推理的逻辑。
sjufgwgfhoia·2025-04-12 19:36

利用LangChain构建智能多工具Agent：从基础到进阶

引言在大数据和人工智能的时代，我们不再满足于简单的问答系统。
sjufgwgfhoia·2025-04-12 19:36

ChatGPT、DeepSeek 与 Grok：三大 AI 模型的优势与劣势对比

1.引言随着人工智能技术的飞速发展，大语言模型（LLM）在智能问答、代码生成、数据分析等领域的应用日益广泛。ChatGPT、DeepSeek和Grok作为当下三大主流AI模型，各具特色。
慌ZHANG·2025-04-12 14:08

PTA | 估值一亿的AI核心代码

本题要求你实现一个稍微更值钱一点的AI英文问答程序，规则是：无论用户说什么，首先把对方说的话在一行中原样打印出来；消除原文中多余空格：把相邻单词间的多个空格换成1个空格，把行首尾的空格全部删掉，把标点符号前面的空格删掉
三流搬砖艺术家·2025-04-12 12:23

Vue客服组件集成Dify智能问答：从设计到落地（3）

前言在现代前端开发中，特别是涉及AI对话、实时客服系统等场景时，流式数据处理已成为一项关键技术。本文将深入探讨流式数据的特点、转义字符处理的必要性，以及在实际项目中的最佳实践，帮助开发者构建高效、流畅的用户交互体验。1.流式数据处理基础1.1什么是流式数据？流式数据（StreamingData）是指数据以连续、实时的方式传输，而不是一次性完整传输。在前端应用中，流式数据通常来自于：AI回复的实时生
不够优雅·2025-04-12 12:21

人工智能之web前端开发（deepSeek与文心一言结合版）

一.项目功能：智能问答（实时聊天+流畅打字机效果+自动滚动）停止生成（取消接口调用）、重新生成复制功能、问答分页二.效果展示：三.技术分析：fetchEventSource：传统axios请求是等接口将所有数据一次性响应回来后再渲染到页面上
辣辣y·2025-04-12 08:54

2021-10-19 C++奇怪数

缘由求：用c++求出1000以内的所有奇怪数-编程语言-CSDN问答奇怪数为这样一个整数①：除了自身以外所有因子之和大于这个数本身（首先必须是盈数）②：除了自身以外所有因子的集合，没有任何一个子集中所有数的和等于这个数本身
智者知已应修善业·2025-04-12 08:22

如何基于BERT模型微调出一个医疗问答的模型

如何基于BERT模型微调出一个医疗问答的模型1.理解BERT模型什么是BERT？
2401_89793006·2025-04-12 05:58

quora | 怎么让脑子更聪明、更快？

Q:HowcanImakemybrainsharper,smarter,andfaster?Inthemorning,putonyourshoesandrunorcycleforatleast30-40minutes.早上跑步半小时Avoidtakingahotshower.Takingacoldshowerrefreshesyourentirenervoussystem,makingyourmi
biomooc·2025-04-12 03:49

算法工程师面试问题 | 目标检测网络总结——object detect

本文给大家带来的百面算法工程师是深度学习目标检测面试总结，文章内总结了常见的提问问题，旨在为广大学子模拟出更贴合实际的面试问答场景。
kay_545·2025-04-11 21:40

Unity脚本通信终极指南：从0到1精通UnityEvent与事件解耦（Day 24）

模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战
吴师兄大模型·2025-04-11 19:53

Flowable流程引擎框架，关于回退流程问题，且如何排查bug并解决bug，远程调试？？

本文收录于《CSDN问答解惑-专业版》专栏，主要记录项目实战过程中的Bug之前因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由；同时，欢迎大家关注&&收藏&&订阅！
bug菌¹·2025-04-11 14:22

快速构建个人本地知识库管理系统与实现RAG问答

文章目录摘要一、RAG和知识库简介1、RAG2、知识库二、工作流程三、系统架构设计文件结构知识库构建模块RAG模块用户交互模块四、技术实现细节五、系统使用案例结论未来改进方向致谢摘要在当今信息爆炸的时代，快速准确地获取知识变得尤为重要。本地RAG（检索增强生成）系统结合了检索和生成技术，通过本地知识库提供精准答案。本文将详细介绍如何构建一个简单的本地RAG系统，包括知识库的创建、RAG模块的实现以
慢热型网友.·2025-04-11 10:57

安卓接入火山引擎中的AI模型实现问答功能

一、准备工作1、注册火山引擎账号2、在控制台中生成api_key3、开通需要的模型这里开通的是这个模型后续需要获取这个模型ID，例如上面这个模型ID为“doubao-1-5-pro-256k-250115”，模型ID可以在开通后在下面图片位置找到：二、代码部分1、消息相关bean对象//第一个beandataclassUsage(valprompt_tokens:Int,valcompletion
小趴菜8227·2025-04-11 09:52
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他