您的位置:
首页
>
科技前沿
无所不能的Embedding(01) - 词向量三巨头之Word2vec模型详解&代码实现
本文希望可以较全面的给出Word2vec从模型结构概述,推导,训练,和基于tf.estimator实现的具体细节。
低代码+MCP实战三大案例,企业如何通过MCP构建专属AI智能体?
MCP 全称是 Model Context Protocol(模型上下文协议),它的本质就是一个通信协议,你可以理解为一套规则。
Browser MCP扩展
Playwright vs Browser MCP Playwight在mcp生态里已经非常流行,在最大调用的mcps里稳稳居前。想要 稳定、可复现、可上 CI/CD 的自动化/测试,都可以使用pla
12天带你速通大模型基础应用(四)声音克隆技术实践
CosyVoice是阿里通义开发的语音生成大模型,是大模型驱动语音合成的代表,在GitHub上已获得16.1k star。
NestJS 构建 AI 流式聊天服务:从 0 到 1 实现实时对话功能
在 AI 应用开发中,流式响应已经成为提升用户体验的关键特性。本文将带你从零开始,使用 NestJS 框架构建一个支持实时流式输出的 AI 聊天服务,集成阿里云百炼大模型,并实现完整的停止功能。 ?
Web3.0 时代:AIGC 如何赋能去中心化内容生态?
互联网就像一个三部曲: Web1.0:静态页面时代,像广播电台,单向输出。 Web2.0:社交平台时代,人人皆创作者,但平台成了“超级中介”。 Web3.0:去中心化时代,内容所有权、价值分配和治理权
12天带你速通大模型基础应用(三)LLM全流程部署教程
本节内容的目标是:部署Datawhale的self-llm项目,选择AutoDL平台进行环境配置,完成ChatGLM模型的本地部署全流程,重点体验理解从环境搭建到模型部署的完整工作流。
无所不能的Embedding(05) - skip-thought的兄弟们[Trim/CNN-LSTM/quick-thought]
这一章我们来聊聊skip-thought的三兄弟,它们在解决skip-thought遗留问题上做出了不同的尝试【Ref1~4】, 以下paper可能没有给出最优的解决方案(对不同的NLP任务其实没有最
无所不能的Embedding(04) - skip-thought & tf-Seq2Seq源码解析
作者选择了encoder-decoder来提取句子信息,用翻译模型常用的log-perplrexity作为loss。
你不需要 GraphRAG!构建一个多策略图谱思维(Multi-Strategy Graph Thinking)AI Agent
在本文中,我将通过一个超简洁的教程,向你展示如何构建多策略图谱思维(Multi-Strategy Graph Thinking),进而为你的业务或个人使用打造一个功能强大的 Agent 聊天机器人。
大模型场景下的推送技术选型:轮询 vs WebSocket vs SSE
SSE(Server-Sent Events)流式输出 在大模型问答(LLM Chat)等实时场景中,用户期待能像 ChatGPT 一样边生成边输出,而不是等待完整结果。
混元生图2.1震撼开源:AI作画进入“高定”时代,还能完美写字!
嘿,各位AI圈的朋友们,最近有没有被各大社区刷屏?没错,就是腾讯混元生图模型HunyuanImage 2.1的重磅开源!这可不是简单的版本迭代,我敢说,它悄无声息地把AI作画领域又往前推进了一大步
上页
下页