AI.x社區(qū)
- 登錄/注冊
RecKG: 面向推薦系統(tǒng)的標(biāo)準(zhǔn)化知識圖譜研究與實現(xiàn)
研究背景與意義在當(dāng)前推薦系統(tǒng)研究領(lǐng)域中,知識圖譜(KnowledgeGraph,KG)作為一種強(qiáng)大的數(shù)據(jù)集成和表示工具,已經(jīng)被廣泛應(yīng)用于解決數(shù)據(jù)稀疏性和可解釋性等問題。然而,不同推薦系統(tǒng)之間知識圖譜的異構(gòu)性和集成問題仍然是一個亟待解決的挑戰(zhàn)。本文提出了RecKG(RecommendersystemKnowledgeGraph),一個專門面向推薦系統(tǒng)的標(biāo)準(zhǔn)化知識圖譜框架,旨在實現(xiàn)異構(gòu)推薦系統(tǒng)之間的無縫集成和互操作。核心創(chuàng)新點標(biāo)準(zhǔn)化知識圖譜設(shè)計提出了專門針對...RecKG推薦系統(tǒng)圖譜機(jī)器學(xué)習(xí)|從0開始大模型之模型DPO訓(xùn)練
1、為什么需要DPORafailov等人在2023年發(fā)表了一篇論文《DirectPreferenceOptimization:YourLanguageModelisSecretlyaRewardModel》，該論文提出了一種新的訓(xùn)練方法，稱為直接偏好優(yōu)化（DPO），該論文介紹：雖然大規(guī)模無監(jiān)督語言模型(LM)可以學(xué)習(xí)廣泛的世界知識和一些推理技能，但由于其訓(xùn)練完全無監(jiān)督，因此很難精確控制其行為?，F(xiàn)有的獲得這種可控性的方法是收集模型生成相對質(zhì)量的人類標(biāo)簽，并微調(diào)無監(jiān)督語言模型以符合這些偏...機(jī)器學(xué)習(xí)大模型DPO智能體變革軟件應(yīng)用，AI Agent帶來的軟件行業(yè)發(fā)展新機(jī)會
社區(qū)頭條在數(shù)字化轉(zhuǎn)型的浪潮中，傳統(tǒng)軟件廠商正面臨著前所未有的挑戰(zhàn)。新的技術(shù)、商業(yè)模式和競爭對手不斷涌現(xiàn)，對傳統(tǒng)軟件廠商的生存空間構(gòu)成了巨大威脅。然而，每一次技術(shù)革新和行業(yè)變革都蘊(yùn)含著新的機(jī)遇。對于傳統(tǒng)軟件廠商而言，如何敏銳地捕捉這些機(jī)遇，實現(xiàn)自我轉(zhuǎn)型與升級，成為決定其未來發(fā)展的關(guān)鍵因素。如今，AIAgent技術(shù)的興起，為傳統(tǒng)軟件廠商帶來了全新的發(fā)展契機(jī)，有望助力它們突破發(fā)展瓶頸，重塑競爭力。觀研報告網(wǎng)發(fā)布的《...AIAgent智能體DeepSeek-R1：通過強(qiáng)化學(xué)習(xí)激發(fā)大語言模型的推理潛能
精華 社區(qū)頭條在本文中，我們將深入探索DeepSeekR1背后的前沿進(jìn)展與創(chuàng)新方法。這一成果作為提升大語言模型（LLMs）推理能力的卓越方案，融合了強(qiáng)化學(xué)習(xí)（RL）等前沿技術(shù)，不僅革新了模型訓(xùn)練范式，還為行業(yè)發(fā)展開辟了新方向。接下來，讓我們一同揭開DeepSeekR1的神秘面紗，探尋其引領(lǐng)AI推理領(lǐng)域變革的核心力量。來源：DeepSeekAI隨著強(qiáng)化學(xué)習(xí)（RL）技術(shù)的興起，提升大語言模型（LLM）推理能力的探索取得了重大突破。本文將深入剖析DeepSeekZe...DeepSeek-R1大語言模型探析可解釋人工智能 (XAI) 方法在 GDPR 合規(guī)性中的應(yīng)用
1.引言人工智能(AI)正迅速滲透到我們生活的方方面面，并在各個領(lǐng)域展現(xiàn)出巨大的潛力。尤其是在信貸、住房和醫(yī)療等高風(fēng)險領(lǐng)域，AI驅(qū)動的自動化決策(ADM)系統(tǒng)正發(fā)揮著越來越重要的作用。這些系統(tǒng)能夠高效地處理海量數(shù)據(jù)，并根據(jù)預(yù)設(shè)算法做出決策，從而提高效率、降低成本。然而，ADM系統(tǒng)的廣泛應(yīng)用也引發(fā)了人們對其透明度和問責(zé)制的擔(dān)憂。由于許多ADM系統(tǒng)基于復(fù)雜的機(jī)器學(xué)習(xí)模型，例如深度神經(jīng)網(wǎng)絡(luò)，其決策過程往往難以理解，甚至...人工智能XAI應(yīng)用Model2Vec：RAG 加速新引擎，模型瘦身15倍，速度提升500倍，最新emb benchmark
嵌入（Embedding）技術(shù)作為基石，廣泛應(yīng)用于自然語言處理（NLP）、搜索引擎、推薦系統(tǒng)等多個關(guān)鍵領(lǐng)域，發(fā)揮著不可或缺的作用。盡管嵌入技術(shù)歷經(jīng)持續(xù)發(fā)展并取得諸多顯著成果，但傳統(tǒng)嵌入方法始終受困于模型規(guī)模龐大、計算資源消耗嚴(yán)重、推理速度遲緩等難題，這些問題猶如枷鎖，限制了其進(jìn)一步的拓展與應(yīng)用。在此背景下，Model2Vec的全新嵌入技術(shù)為行業(yè)帶來了突破性的解決方案。它憑借創(chuàng)新性的設(shè)計，成功實現(xiàn)了嵌入模型規(guī)?？s小15...模型RAGModel2Vec知識圖譜增強(qiáng)營養(yǎng)健康大模型：邁向改進(jìn)的管理、可重復(fù)性和驗證 - RPI等
摘要生成式大型語言模型（LLMs）通過實現(xiàn)快速、類人的文本生成改變了人工智能領(lǐng)域，但它們面臨挑戰(zhàn)，包括管理不準(zhǔn)確的信息生成。諸如提示工程、檢索增強(qiáng)生成（RAG）以及整合特定領(lǐng)域知識圖譜（KGs）等策略旨在解決這些問題。然而，尤其是在通過WebAPI使用封閉訪問LLM的開發(fā)者中，實現(xiàn)實驗的管理、可重復(fù)性和驗證所需水平仍存在挑戰(zhàn)，這增加了與外部工具集成的復(fù)雜性。為解決這一問題，我們正在探索一種軟件架構(gòu)，通過優(yōu)先考慮靈...大模型RPIGPT-4oMeta連自己內(nèi)部開發(fā)發(fā)布模型的流程都公開了：停止開發(fā)風(fēng)險極高的AI系統(tǒng)，開源AI模型發(fā)布后監(jiān)控方法
原創(chuàng) 社區(qū)頭條出品51CTO技術(shù)棧（微信號：blog51cto）就在昨晚，Meta冷不防就把自家的大模型發(fā)布前的決策步驟對外公開了。“我們在開發(fā)和發(fā)布前沿AI時遵循的流程的概述，以確保我們在整個過程中監(jiān)控和管理風(fēng)險。我們的治理方法可以分為三個主要階段：計劃、評估和緩解、以及決策。在任何階段的發(fā)現(xiàn)都可能通過我們的集中審查流程引發(fā)討論，這確保了高級決策者參與開發(fā)和發(fā)布生命周期的全過程。”圖片1.Meta：停止發(fā)布極高風(fēng)險的AI模型????...開發(fā)模型AIFinRobot：基于大型語言模型的金融領(lǐng)域開源AI框架
金融行業(yè)與AI社區(qū)之間存在數(shù)據(jù)和專業(yè)知識的障礙，影響AI在金融任務(wù)中的應(yīng)用。FinRobot是一個開源AI代理平臺，利用多源LLM進(jìn)行多樣化金融任務(wù)，提升透明度和可擴(kuò)展性。論文地址：https:arxiv.orgpdf2405.14767Github地址：https:github.comAI4FinanceFoundationFinRobot摘要金融行業(yè)與AI社區(qū)之間存在數(shù)據(jù)和專業(yè)知識的障礙，影響AI在金融任務(wù)中的應(yīng)用。本文旨在開發(fā)金融專用的LLM工具鏈，推動AI在金融決策中的普及。FinRobot是一...大型語言模型LLMsOpenAI o3-mini 干翻了 DeepSeek R1？
整個過年期間，AI圈的頭條都被被DeepSeek霸占了。2月1日，OpenAI終于按捺不住，推出了全新的推理模型系列o3mini。這個系列不僅首次對免費(fèi)用戶開放了推理模型，還將成本降低了多達(dá)15倍（相比之前的o1系列）。OpenAI還表示，這是其推理模型系列中最新且最具成本效益的模型：最近，AI社區(qū)非常熱衷于將DeepSeekR1與其他推理模型進(jìn)行對比。尤其是經(jīng)典的編程挑戰(zhàn)——模擬彈跳球：“WriteaPythonscriptthatmakesaballbouncewithinacert...OpenAIDeepSeek R1AI神經(jīng)網(wǎng)絡(luò)理論與技術(shù)學(xué)習(xí)以及工具
原創(chuàng)“為什么數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)模型中經(jīng)過數(shù)學(xué)變換，就能被學(xué)習(xí)？”關(guān)于神經(jīng)網(wǎng)絡(luò)技術(shù)有兩個大的方向，一個是搞應(yīng)用，另一個是搞技術(shù)；當(dāng)然這里所說的應(yīng)用并不是指完全脫離技術(shù)，而是指以大模型技術(shù)為底座構(gòu)建上層應(yīng)用或產(chǎn)品。而今天所講的主要是關(guān)于神經(jīng)網(wǎng)絡(luò)技術(shù)的學(xué)習(xí)，包括怎么實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)，應(yīng)該使用哪些工具等等。神經(jīng)網(wǎng)絡(luò)技術(shù)學(xué)習(xí)及工具先科普一下，現(xiàn)在爆火的大模型技術(shù)就是基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型；所謂的大模型技術(shù)本...神經(jīng)網(wǎng)絡(luò)手把手教你在本地部署 DeepSeek R1，并集成到 Dify 中，建議收藏！
原創(chuàng) 社區(qū)頭條本教程將一步步指導(dǎo)你如何在本地環(huán)境中安裝DeepSeekR1，并將其融合進(jìn)Dify中，確保你的工作的效率得到實質(zhì)性的提升！1、DeepSeekR1模型部署本部分內(nèi)容將重點闡述如何在本地環(huán)境下利用Ollama來部署DeepSeekR1。后續(xù)章節(jié)將詳細(xì)講解如何將DeepSeekR1與Dify系統(tǒng)進(jìn)行集成。第一、安裝Ollama請訪問Ollama的官方網(wǎng)站，根據(jù)你的操作系統(tǒng)選擇合適的版本，下載Ollama應(yīng)用程序并進(jìn)行安裝：安裝完成后，打開命令行界面并輸入ollama命令。如果...DeepSeek R1基于 DeepSeek R1 和 Ollama 開發(fā) RAG 系統(tǒng)
原創(chuàng)今天，我們探討一下如何利用目前最受歡迎的開源推理工具DeepSeekR1和輕量級的本地AI模型執(zhí)行框架Ollama，來構(gòu)建一個功能強(qiáng)大的RAG（RetrievalAugmentedGeneration）系統(tǒng)。1、DeepSeekR1：RAG系統(tǒng)的卓越之選DeepSeekR1，被譽(yù)為開啟AI推理新時代的開源先鋒，在構(gòu)建RAG系統(tǒng)方面表現(xiàn)卓越，擁有眾多引人注目的優(yōu)勢，成為開發(fā)者不可或缺的利器。相較于OpenAI的o1模型，DeepSeekR1在性能上與之媲美，但成本卻大幅下降，僅占o(jì)1的5%，這...OllamaRAGDeepSeek 驚艷背后的技術(shù)架構(gòu)創(chuàng)新剖析
原創(chuàng) 精華 社區(qū)頭條DeepSeekV3重磅登場！以110計算量實現(xiàn)對標(biāo)Llama3405B的頂尖性能，三大硬核創(chuàng)新重塑大模型架構(gòu)范式。技術(shù)團(tuán)隊通過：1）首創(chuàng)多頭潛注意力機(jī)制（MLA），攻克長文本推理的顯存效率瓶頸；2）革新動態(tài)路由算法，突破MoE模型長期存在的專家選擇困境；3）創(chuàng)新性多令牌預(yù)測框架，實現(xiàn)推理吞吐量跨越式提升，完成對傳統(tǒng)Transformer架構(gòu)的顛覆性改造。這場由DeepSeek引領(lǐng)的架構(gòu)革命，不僅印證了中國團(tuán)隊在AI基礎(chǔ)研究領(lǐng)域的深厚積累，更以突...DeepSeek深度學(xué)習(xí)的‘黃金法則’：為什么選擇ReLU？
ReLU（RectifiedLinearUnit）函數(shù)詳細(xì)講解ReLU（修正線性單元）是一種在深度學(xué)習(xí)中非常流行的激活函數(shù)，它主要用于神經(jīng)網(wǎng)絡(luò)中的隱藏層。ReLU的設(shè)計簡單而高效，能夠有效地處理梯度消失問題，使深度神經(jīng)網(wǎng)絡(luò)得以訓(xùn)練。1.ReLU函數(shù)的定義ReLU的數(shù)學(xué)表達(dá)式非常簡潔：f(x)max?(0,x)意思是：當(dāng)輸入值x大于0時，輸出值就是輸入值x。當(dāng)輸入值x小于或等于0時，輸出值是0。2.ReLU函數(shù)的圖形ReLU函數(shù)的圖形形狀呈現(xiàn)為分段線性函數(shù)，在輸入...深度學(xué)習(xí)ReLUDNN炸裂！Deepseek-Janus-Pro能識別圖片地址、看圖講故事
社區(qū)頭條一、JanusPro能做5種任務(wù)1.1圖片描述1.2地點識別1.3背景推理1.4OCR文字識別1.5文圖生成二、JanusPro原理JanusPro的核心設(shè)計原則采用自回歸框架，通過解耦視覺編碼，解決多模態(tài)理解和生成任務(wù)之間的沖突。通過獨立的編碼方法將原始輸入轉(zhuǎn)換為特征，然后由統(tǒng)一的自回歸變換器進(jìn)行處理。對于多模態(tài)理解任務(wù)，使用SigLIP編碼器從圖像中提取高維語義特征，并將其展平為一維序列，通過理解適配器將圖像特征映射到語言模型的輸入空間。...Deepseek識別圖片手把手教你將本地部署的DeepSeek R1集成到Dify
社區(qū)頭條今天，手把手教大家在本地部署DeepSeekR1，并將其集成到Dify中，實打?qū)嵦嵘愕墓ぷ餍剩∫?、本地部署模型本部分介紹在本地通過ollama部署DeepSeekR1。1、安裝ollama在ollama官網(wǎng)，選擇操作系統(tǒng)，下載ollama應(yīng)用程序并安裝命令行輸入ollama，出現(xiàn)下面的提示，則說明安裝成功。2、部署deepseek模型在ollama官網(wǎng)，點擊「Models」，選擇第一個「DeepSeekR1」根據(jù)自己的顯存選擇對應(yīng)的版本大小。模型名稱參數(shù)規(guī)模（b）顯存需求（FP...DeepSeek R1Dify模型2025年大模型與Transformer架構(gòu)：技術(shù)前沿與未來趨勢報告
精華 社區(qū)頭條在人工智能的宏大版圖中，Transformer架構(gòu)無疑是一顆璀璨的明星。它的出現(xiàn)，徹底改變了自然語言處理、計算機(jī)視覺等諸多領(lǐng)域的發(fā)展軌跡?！?025年大模型與Transformer架構(gòu)：技術(shù)前沿與未來趨勢報告》深入剖析了Transformer架構(gòu)的前世今生、優(yōu)勢局限以及未來走向，為我們?nèi)娉尸F(xiàn)了這一架構(gòu)在AI領(lǐng)域的核心地位與無限潛力。一、Transformer架構(gòu)誕生的靈感源泉Transformer架構(gòu)的誕生深受人類大腦信息處理機(jī)制的啟發(fā)。人類大腦在漫長...大模型GPT-3GPT-4寫給大模型新人的經(jīng)驗，刷到少走三年彎路！
大家好，我是丁師兄。這篇文章，我將結(jié)合自己在大模型領(lǐng)域的經(jīng)驗，給大家詳細(xì)聊聊新人應(yīng)該如何轉(zhuǎn)行大模型賽道？比如大模型都有哪些方向？各方向的能力要求和崗位匹配？新手轉(zhuǎn)行大模型常踩的坑和常見的誤區(qū)？以及入行大模型最順滑的路徑？如果你是正打算入行大模型的校招社招同學(xué)，請一定看完，可能會讓你在入行大模型的路上，少走很多彎路。1.大模型都有哪些方向？如果你在求職網(wǎng)站搜索"大模型"關(guān)鍵詞，看一下招聘JD，基本可以...AI算法RLHF三種文本相似計算方法：規(guī)則、向量與大模型裁判
文本相似計算介紹有一些工作需要評估出兩個字符串之間的相似程度。比如，要評估大模型生成的結(jié)果，與預(yù)設(shè)定的答案之間的相似程度。本文介紹三類方法用于評估兩個字符串的相似程度：規(guī)則、向量、大模型裁判。規(guī)則：基于字符ngram的相似計算，常用算法，ROUGE、BLEU;向量：使用熱門的嵌入模型(Jina)，把字符串編碼為向量，計算兩個向量之間的相似度；大模型裁判：使用大模型評估兩個字符串之間的相關(guān)性；摘要介紹了三種方法，評估...大模型規(guī)則向量
