LIBRARY
gptpdf：基于gpt的pdf解析库
gptpdf是一个开源的python库，使用 VLM（如 GPT-4o）将 PDF 解析为 markdown。
GPT-4o
APPLICATION
用GenAI构建数据可视化系统
本文演示了如何构建一个数据可视化系统，该系统使用 LangChain 和 LLM 将查询转换为交互式可视化见解。
APPLICATION
用AI生成可靠的报告
在这篇文章中，我想分享我对 AI 生成的报告的了解，以及如何使这些报告更可靠、更实用。
APPLICATION
用需求文本生成线框图
我们没有找到任何使用 LLM 将 UX 需求列表直接转换为线框的探索。这篇文章介绍了我们的一些实验和结果，希望这能激励其他人也分享他们的工作。
APPLICATION
LlamaIndex构建AI实时交易系统
本教程演示了如何使用 Kafka 流式传输 EUR/USD 数据、使用 LlamaIndex 工作流进行无缝逻辑处理以及使用 GPT-4o 进行图像分析来构建实时交易机器人。
APPLICATION
基于LLM的文档提取和分析
在本文中，我将通过一个实际示例来解释如何使用 LLM 自动从半结构化和非结构化文档中提取所需信息，然后分析这些信息。
APPLICATION
会议转录和分析工具DIY
本文分享一个由 AI 驱动的音频转录和分析工具，它是我使用几个 Python 文件，利用来自领先 AI 供应商的 API构建的。
MODEL-ZOO
GPT-4o mini微调医疗援助模型
在着手创建由生成式 AI 驱动的聊天解决方案时，效率应该是我们的指导方针。从利用 SaaS 解决方案到从头开始构建模型，选项多种多样。在本文中，我将介绍基于 Azure OpenAI 服务的模型微调，重点是在定制与效率之间取得平衡。 注意：本文中显示的输入数据包含与医学相关的一般问题和答案，目的是开发一个包含一些医学领域信息的模型。由于我不是医学专业人士，我仅将这些数据用于本文所讨论的数据科学工作，而不是建议或表明任何医疗状况或疾病的定义、预防、诊断或治疗。 优先考虑效率意味着并不总是需要选择最大、最强大的模型。定制通常使我们能够使用更轻量的模型版本实现卓越的性能。出于这个原因，我选择了 GPT-4o mini，它是著名的 GPT-4o 模型的较小版本。 在下图中，我们可以在两个阶段使用它：提示工程和 AOAI 模型 FT。 1、为什么微调是一个明智的选择？ 你可能已经熟悉了少样本学习的概念，其中机器学习模型在极少量的标记示例上进行训练，从而提高效率。微调是另一种（尽管是独立的）优先考虑效率的方法，并且与少样本学习相比具有几个优势： * 质量结果：
APPLICATION
双流RAG：文本+视觉
通过将视觉语言模型 (VLM) 与传统文本处理相结合，我们开发了一种双流 RAG 架构，可处理 PDF 文档中的文本和视觉内容。
MODEL-ZOO
10个最强多模态AI模型
多模态AI模型已成为人工智能中不可或缺的一部分，因为它们提供了同时处理和生成来自多个数据源的见解的新方法。