0 前言 2025年1月10日，DeepSeek发布名为R1的大语言模型，该初创公司声称其在推理任务上可与OpenAI的ChatGPT o1媲美。该应用在创纪录的时间内登顶App Store排行榜，不仅吸引科技行业关注，也引发了全球范围内的广泛讨论。其中一个尤引人注目的声明是：该模型训练成本低于60 ...

目录1. Transformer模型1.1 核心组件1.2 模型结构1.3 Transformer 使用1.3.1 使用 Hugging Face Transformers 库1.3.2 自定义 Transformer 模型1.3.3 Transformer 的 Demo1.3.3.1 安装依赖1. ...

LangChain 核心模块：Data Conneciton - Document Loaders 使用文档加载器从源中加载数据作为文档。一个文档是一段文字和相关的元数据。 如，有用于加载简单 .txt 文件的文档加载器，用于加载 ArXiv 论文，或者任何网页的文本内容 Document 类 这段 ...

本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！ 魔都架构师 | 全网30W技术追随者 大厂分布式系统/数据中台实战专家 主导交易系统百万级流量调优 & 车联网平台架构 AIGC应用开发先行者 | 区块链落地实践者 以技术驱动创新，我们的征途是改变世 ...

本文介绍了在Windows环境下，通过Ollama来本地部署DeepSeek R1。该问包含了Ollama的下载、安装（命令和双击安装）、安装目录迁移、大模型存储位置修改、下载DeepSeek以及通过Web UI来对话等相关内容。 1、下载Ollama 首先我们到Ollama官网去下载安装包，此 ...

以下是将DeepSeek功能集成到WPS中的详细步骤，无需本地部署模型，直接通过官网连接使用：1. 下载并安装OfficeAI插件 （1）访问OfficeAI插件下载地址：https://www.office-ai.cn/，下载插件（目前只支持windows系统）。 OfficeAI 助手 是一款免 ...

概述 首发自个人公众号：阿郎小哥的随笔驿站 DeepSeek R1系列建议阅读之前的系列文章： 聊聊DeepSeek R1的一些总结 聊聊DeepSeek R1的开源复现库——Open R1之合成数据 聊聊DeepSeek R1的知识蒸馏与应用思考 简介 GRPO 是一种在线学习算法，这意味着它通过 ...

0 为啥本地部署？ 在本地运行 AI 模型具有以下优势： 隐私：你的数据保留在你的机器上 — — 不存在共享敏感信息的风险 成本： DeepSeek R1 可免费使用，无需订阅费或使用费 控制：无需外部依赖即可进行微调和实验 1 使用Ollama 1.1 下载并运行应用程序 直达官网： 1.2 选择 ...

训练并行实现 TensorParallel 张量并行代码路径, 代码路径: megatron/core/tensor_parallel 主要包含Linear / VocabEmbedding / cross_entropy 三部分. Linear 参数初始化 如果是从checkpoint热启, pe ...

LangChain 核心模块学习：Memory 大多数LLM应用都具有对话界面。对话的一个重要组成部分是能够引用先前在对话中介绍过的信息。至少，一个对话系统应该能够直接访问一些过去消息的窗口。更复杂的系统将需要拥有一个不断更新的世界模型，使其能够保持关于实体及其关系的信息。 我们将存储过去交互信息的 ...

有些用户或是专家在项目建设中提出来要提炼工艺库、模型库、算法库等知识库，可以试着让deepseek成为每个角色的助手，例如工艺的、信息化的、设备的、电气的等角色，让deepseek成为自己，再不断的迭代它。deepseek扮演AI助手的角色，应用越来越发挥出来应有的价值。 ...

1 啥是 DeepSeek-R1？ 如你曾为一道棘手数学题绞尽脑汁，就明白多花时间仔细思考多重要。OpenAI o1 模型证明，当 LLM 在推理时，通过增加计算量进行类似训练后，它们在数学、编程和逻辑等推理任务上的表现显著提升。 然而，OpenAI 推理模型的训练方法一直是秘密。直到DeepSee ...

近期在AI领域最火的莫过于DeepSeek模型，DeepSeek-R1 已发布并开源，性能直接对标 OpenAl o1 正式版。作为一名AI爱好者来说还是希望能够亲自体验一下DeepSeek-R1的真实效果。正好腾讯云HAI服务提供了非常友好的方式，仅仅需要三分钟就可以轻松部署DeepSeek-R1 ...

思路提示词请以我上传文件: {雅思词汇词根+联想记忆法（乱序便携版） }单词表为基础，为 {雅思词汇} 生成三篇英语阅读理解文章，帮助强化单词记忆、提升英语水平。附加5道巩固练习（2道难题、2道基础、1道判断）IELTS词汇表https://github.com/fanhongtao/IELTS/b ...

本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！ 0 前言 Dify的一个“应用”指基于LLM构建的实际场景应用。通过创建应用，可将智能 AI 技术应用于特定的需求。它既包含了开发 AI 应用的工程范式，也包含了具体的交付物。 一个应用为开发者交付： 封装友好的 API，可由后端 ...

LangChain 核心模块学习：Chains 对于简单的大模型应用，单独使用语言模型（LLMs）是可以的。 但更复杂的大模型应用需要将 LLMs 和 Chat Models 链接在一起。 要么彼此链接，要么与其他组件链接。 LangChain 为这种“链式”应用程序提供了 Chain 接口。 La ...

本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！ 流量：某个时间段内的所有请求，通过手段把发送到A应用的所有请求录制，然后把这些请求统一转发到B应用，让B应用接收到的请求参数跟A应用一致，实现A接收到的请求在B应用里面重新请求了一遍。整个过程即“流量回放”。 1 流量回放的意义 ...

Gemini 2.0 Flash 是谷歌最新推出的大型语言模型（LLM），它将人工智能的能力推向了新的边界。本文将深入探讨其关键特性，以及这些特性如何使其与其他知名模型区分开来。Gemini 与其他 LLM 的主要区别在于其多模态能力和高级推理能力。与许多主要专注于文本的 LLM 不同，Gemini ...

原作：阿尔贝托·罗梅罗 与 o1 相比，R1 的表现如何？ DeepSeek 在六个相关基准（如 GPQA Diamond 和 SWE-bench Verified）以及其他替代测试（如 Codeforces 和 AIME）上对 R1 和 o1 进行了一对一比较。列表中遗漏了 ARC-AGI 和 F ...

0 前言 基于Dify现有能力，已能对不少业务场景提供帮助，但对一些特定诉求，还要借助其扩展机制，本文利用翻译场景举例详细说明。 1 翻译场景复杂性分析 翻译是从简单到复杂各级都存在的场景，比较简单的翻译可能一句简单 Prompt，但对复杂、效果要求较高翻译场景，可能需要一些复杂 LLM 编排，如吴 ...