摘要： 研究背景 研究问题：这篇文章要解决的问题是如何在多模态文档中利用视觉信息来增强大型语言模型（LLMs）的生成能力。传统的检索增强生成（RAG）系统仅基于文本，无法利用布局和图像等视觉信息，这在现实世界的多模态文档中非常重要。 研究难点：该问题的研究难点包括：如何在多模态文档中直接嵌入图像并使用视觉语 阅读全文

摘要： 在已经过去的 2024 年，RAG 的发展可以称得上是风起云涌，我们回顾全年，从多个角度对全年的发展进行总结。首先用下图镇楼： 对于 2024 年的 RAG 来说，有一系列标志性事件： 关于 RAG 的争论——RAG 已死，RAG 永存 ！ 2024 年在年初被称为“RAG 发展元年”，虽然这并非共 阅读全文

摘要： 据站长之家 11 月 21 日报道，在最新的 AI 研究报道中，Google DeepMind 推出了一项名为“优化通过提示（OPRO）”的技术，将大型语言模型（LLM）作为其自身提示的优化器。该方法旨在通过自然语言描述问题，指导 LLM 生成和改进解决方案，从而提高提示性能。 DeepMind 的 阅读全文

摘要： ‌PromptWizard‌是一个由微软研究院开发的自动化提示词优化框架，旨在改进大型语言模型（LLMs）在特定任务中的表现。该框架通过自我演变和自我适应机制，利用反馈驱动的批评和合成过程，迭代优化提示指令和上下文示例，从而提高模型的准确性和效率‌12。 主要功能和技术原理 PromptWizard 阅读全文

摘要： ‌Flow-DPO‌是一种通过在线多智能体学习来提升LLM（大型语言模型）数学推理能力的新方法。Flow-DPO结合了在线学习流（Flow）和直接偏好优化（DPO），通过两个独立的语言模型互相协作，纠正对方的错误，从而生成更加准确和详细的推理轨迹‌12。 工作原理 Flow-DPO的核心在于构建两个 阅读全文

摘要： 自OpenAI在2022年12月发布GPT-3.5模型驱动的ChatGPT以来，生成式AI就如火如荼地展开了一场声势浩大的「军备竞赛」。 而仅仅不到两年，多个实验室就都已经赶上了OpenAI的GPT-4，甚至出现了第一批超越GPT-4o智能水平的模型。例如：Claude 3.5 Sonnet，Gem 阅读全文

摘要： 继量子芯片之后，谷歌又来抢“OpenAI双12直播”的流量了！ 就在刚刚，谷歌新一代大模型Gemini 2.0突然登场，再次由谷歌CEO皮猜亲自官宣。 新一代模型专为AI Agent而打造，谷歌表示目前已经将2.0版本提供给了一些开发者内测，正在迅速将其集成在Gemini和搜索等产品线中。 好消息是 阅读全文

摘要： 导读 本文将分享陌陌如何利用大模型技术革新其业务与研发流程。 主要内容包括以下几个部分： 1. AI 应用范式更新 2. 大模型高效推理 3. 大模型应用平台 4. 未来展望 5. 总结 6. Q&A 分享嘉宾｜陈玉祥 挚文集团 算法工程专家 编辑整理｜王文海 内容校对｜李瑶 出品社区｜DataFu 阅读全文

摘要： OSDI (USENIX Symposium on Operating Systems Design and Implementation) 和SOSP (ACM Symposium on Operating Systems Principles) 是计算机操作系统领域最重要的两大国际会议，在国际上 阅读全文

摘要： DeepSeek-R1和DeepSeek-V3是深度求索推出的两款大模型，它们在设计目标、架构、训练方法、性能表现和应用场景等方面存在显著差异，以下是具体对比： 1. 模型定位与核心能力 DeepSeek-V3：通用型自然语言处理模型，专注于多语言生成、知识问答、内容创作等任务，优势在于高效的多模态 阅读全文