LLM

LLM

2025：大语言模型的一年

Simon Willson关于过去12个月大预言模型领域发生的重要事件的总结。

LLM

上下文工程的圣诞解读

这不仅仅是一场圣诞节灾难——这正是人工智能行业过去两年一直停滞不前的现状。我们一直痴迷于提示工程，把它当作解决一切问题的灵丹妙药。

AI

LLM护栏综合指南

护栏是结构化的安全机制——规则、过滤器和检查，它们限制LLM的行为并保持其输出在可接受的范围内。实际上，护栏验证输入，过滤或修改输出，甚至重塑生成的响应以防止政策违规。

APPLICATION

基于LLM的检索和推荐

在过去的一年里，我一直探索如何将LLM用作检索和推荐代理，并整理了这篇博客文章作为该主题的简单介绍。

LLM

为什么大模型会产生幻觉？

为什么大型语言模型 (LLM) 会产生看似合理但实际上错误的信息，我们应该如何避免幻觉？

APPLICATION

GPT-4 只是一个巨大的马尔可夫链

在所有关于“涌现智能”、“零样本推理”和“综合思维”的讨论背后，隐藏着一个基本事实。

APPLICATION

使用强化学习和LLM构建AI代理

在本博客中，我们将逐步讲解如何设计一个使用大语言模型进行决策并利用强化学习优化其动作的AI代理。

APPLICATION

打造自己的Devin, AI软件工程师

AI 软件工程师是一种 AI 助手，它可以查看 Git 存储库中的多个代码文件，并根据助手要执行的具体任务确定需要更改哪些文件。

APPLICATION

打造GitHub文档机器人

我仓库中的所有文档都是由GPT4生成的，我可以通过点击按钮来更新这些文档。

MODEL-ZOO

大模型领域正在被再次颠覆

这个现象可以描述为LLM驱动的原生应用程序或原生LLM界面的兴起。

APPLICATION

Agentic RAG与MCP集成指南

为了将Agentic RAG与MCP集成，我们需要一种架构，使AI代理能够通过MCP服务器检索知识并将其纳入生成管道中。

APPLICATION

使用AI友好的文档优化LLM响应

你是否曾经在大型语言模型完全误解你的编码问题时感到沮丧？我们都有过这样的经历。事实是，LLMs就像我们的开发同事一样——它们的帮助质量很大程度上取决于我们提供的上下文。