香港中环50岁创业海味店！星爷/发哥妈是常客；口音像佛山南海人

作者：店叔

音乐：@店叔创作的原声一店叔

时长：07:29

评论数：5

点赞数：0.0万

分享数：32

收藏数：6

更新时间：2025年4月2日 19:59

全网热门

0.37万 @?米小飞?

#手势舞 #甜妹 #带眼镜的女生 #少女心 #邻家女孩   都说我视频还没直播好看，那当我掏出直播摄像头的录屏，阁下又将如何应对？

0.63万 @?米小飞?

今天不直播，掏出昨天拍的短视频凑个数?#萨勒芬妮cos #粉色头发 #少女心 #cos #元气少女

0.21万 @?米小飞?

这个电脑的画质确实能打✔#直播录屏分享 #甜妹 #甜系女孩 #眼镜女孩

0.1万 @DNF望长情

原始祭坛快速毕业方法来了#dnf手游全新深渊 #DNF手游全新深渊上线 #DNF手游好起来了#DNF手游#dnf手游激励计划

1.37万 @苹果呀

这就是甲亢哥吧? 住洲际住走了[笑脸]  昨天早上电梯遇到不知道谁，下午就刷到长沙的热度都是关于他?  一心小心同框了 哈哈   #甲亢哥  #甲亢哥用中文自我介绍

0.52万 @小软宝宝

#涞觅001丝袜 #超薄丝袜  我不想感动谁 只想有一个人不要放弃我 一直留在我身边

0.0万 @退休的老辰

RAG本地知识库问答模型搭建➕法律检索 【RAG实践】基于LangChain和RAG搭建基于本地知识库的问答机器人
【项目目标】基于RAG（本地知识库）打造一个AI法律援助问答机器人 
具体应用方法
 如何通过AIGC开展法律检索
1、 国内法律检索
2.、国外法律检索
3、 裁判案例检索
如何通过AIGC完成文书起草
1、诉讼法律文书起草
2、非诉法律文书起草
3、常见合同文件起草
其他可通过AIGC解决的事务
1.、基本文书翻译
2.、PPT课件制作
3.、内容摘要总结#AI大模型 #大语言模型 #大模型微调 #大模型训练 #RAG

0.05万 @毛毛酱～

来啦～ #星奇摇2.0#有肉感的小胖子

0.04万 @退休的老辰

一文彻底搞懂大模型fine_tuning3种微调方法 在生成式AI和大语言大模型的广泛应用中，微调（Fine-tuning）作为模型适应特定任务的关键步骤，其重要性不言而喻。
        
⭐ 上面图片详细介绍三种流行的微调方式，深入理解每种方法的原理、特点及应用场景。
✅方式一：Prompt-tuning
✅ 方式二：Prefix-tuning
✅ 方式三：LoRA #AI大模型 #大模型微调 #大模型训练 #大模型应用 #大模型学习

0.01万 @退休的老辰

3分钟掌握七种大模型微调方法 一、LoRA
二、适配器调整
三、QLoRA
四、提示调整
五、前缀调整
六、P-Tuning
七、P-Tuning v2
#AI大模型 #大语言模型 #大模型微调 #大模型训练 #大模型算力

0.0万 @株洲大臂哥

#健身造型 #唯有训练不可辜负 #健身是生活的一部分 #因为热爱所以坚持 #每天坚持锻炼会有不一样的收获 #坚持的意义 #雕刻自己 #汗水不会辜负你 #身强力壮才是硬道理 #gymgest力量站 #拳力以赴 #精神氮泵 #健身爱好者版救赎之路 #力量美 #让健身成为一种习惯 #所有的坚持都不会白费 #坚持训练 #健体造型训练 #健身人 #力量感

0.0万 @退休的老辰

什么是Agent?如何构建Agent？一文详解！ LLM下的agent一般指：
Agent = LLM（大型语言模型）+ 记忆 + 规划技能 + 工具使用
：任何东西都可以是agent，包括人
 Agent一般包含三个核心模块：大脑（Brain）、感知（Perception）和行动。
Agent的应用结构可分为单一Agent（single-agent）、多Agent（multi-agent）以及人机协作（human-agent collaboration）三个部分。
具体交付物
交付物可以是完整的应用程序，例如结合了领域知识的数字化助手Agent；也可以是单独的或一系列API服务，这些服务被集成进现有的商业流程当中。
我也是Agent？各位都是Agent？
长远来看，人的执行力不如机器，人的工具化价值逐步降低，那人的价值是什么？目前社会下，人好像求着给一个被剥削的机会？#AI大模型 #大语言模型 #Agent #大模型训练 #大模型应用

0.01万 @退休的老辰

RAG从原理到应用，技术解析+实践拆解 RAG的4种基础范式：
基于查询的RAG：将用户查询与检索到的信息整合，直接输入到生成器的初始阶段
基于潜在表示的RAG：检索到的对象作为潜在表示整合到生成模型中，增强模型的理解和生成内容的质量
基于Logit的RAG：在解码过程中通过Logit整合检索信息
推测性RAG：使用检索代替纯生成，以节省资源并加快响应速度
RAG增强方法有五组方法来提升RAG系统的性能
输入增强
检索器增强
生成器增强
结果增强
整个流程的增强
大模型的局限性
幻觉问题
知识盲点
记忆力有限/长尾问题
时效性问题
数据安全问题
没有外部世界感知
无用户建模
RAG（检索增强生成）技术
传统的方式是问题通过解析后形成问题正文然后传导给大模型，大模型完成回答
RAG又称为“检索增强生成”。RAG流程，需要从整个流程来回溯一下：
1.首先用户提出问题，这个问题从始至终不会发生变化
2.然后我们需要理解用户的问题，知道用户提问的意图和方向
3.接下来就是我们需要根据用户的问题，去检索我们的知识库，找到与用户问题相关的信息，查找出与之相关的的文档或者文本内容
4.最后我们需要将这些文档或者文本内容进行整合，组成一个完整的提示词，提供给大语言模型用于生成
5.最后通过大语言模型生成相对精确的答案，返回给用户#AI大模型 #大模型微调 #大模型应用 #大模型训练 #RAG

0.2万 @蓝雨叔院

多重角色自由转换的李洪涛老师 #这样的男神你们喜欢吗 #行走荷尔蒙 #实力派演员

0.0万 @AAA贝利亚大王

拔枪吧，就你和我！ #无畏契约