-
编辑 删除
如何识别低水平的程序员
识别一个低水平工程师的迹象有利于项目和团队的成功......
-
编辑 删除
少年远行
未来还很长，有些路终究要一个人走。愿归来的时候， 仍然是那个少年，心中有爱，眼里有光。
-
编辑 删除
大模型微调：RHLF与DPO浅析
如何使用RLHF和DPO来微调大模型呢？
-
编辑 删除
知识图谱与向量数据库的相遇
知识图谱擅长表示和查询实体之间的复杂关系，这使它们成为语义搜索和推荐系统等应用程序的理想选择。矢量数据库为存储和搜索大量数字数据而进行了优化，使它们非常适合进行图像和文本相似性搜索等任务。结合这两种技术可以提供一个强大的解决方案 ...
-
编辑 删除
从苹果智能看端上大模型应用
苹果智能为我们提供了有益的参考,利用优化技术和部署策略，我们可以尝试在端上成功地实现大模型应用......
-
编辑 删除
《实时分析实战》译者序
在老码农带产研团队的时候，一直想致力于打造学习型组织。通俗而言，就是希望PM成为有调性的产品经理，希望研发成为有追求的工程师。作为尝试，开始建立“工匠译者团队”，提升我们自身的学习愿望?，持续学习......这是第二本！
-
编辑 删除
部署一个大模型应用
部署是大模型应用从开发环境迁移到生产环境的最后一步。这一步至关重要，因为任何应用都要最终为用户提供服务... ...
-
编辑 删除
Chunking：基于大模型RAG系统中的文档分块
将大文档分割成较小的分块是一项关键的任务，对RAG系统的性能有着重大的影响......
-
编辑 删除
“提示工程”的技术分类
开始从范式上明白什么是“提示工程”了.......
-
编辑 删除
解读：基于图的大模型提示技术
如果一篇论文没有读懂，不用担心，可以再读一篇该领域内容相近的论文。就像编程语言一样，你永远无法精通一门编程语言，除非精通两种。
-
编辑 删除
大模型应用框架：LangChain与LlamaIndex的对比选择
面对基于大模型的应用开发，我们应如何挑选合适的应用框架呢？对于两种常见的大模型应用框架——Langchain和LlamaIndex，它们各自拥有独特的特性和适用场景，我们又该如何做出明智的选择呢？
-
编辑 删除
从Docker 网络看IaC
Docker 的网络子系统提供了多样化的策略，用以精细地管理容器间的通信方式、它们与相邻容器的互操作性，以及它们与 Docker 主机之间的交互。在同一网络域内的容器，能够灵活地通过各自的名称或分配的 IP 地址建立连接......
-
编辑 删除
数据分析中10种常见的可视化图例
如果语言是一维的，那么图像就是二维或多维的， 降维打击体现在一个“胜”字。可视化表达的选择方式依赖于所要呈现的数据及指标类型，这涉及一个相对简单的数据建模过程.....
-
编辑 删除
面向数据产品的10个技能
本文源自和一个产品经理的对话， 鉴于个人对数据型产品认知，觉得一些数据科学的基础技能对产品经理或者普通的研发工程师都会有些帮助，遂成此文...
-
编辑 删除
大模型系列：提示词管理
提示词管理作为大型模型应用不可或缺的一部分，不论你又有意为之还是放任不管，它都会以某种方式存在，至于效能与否，可能取决于......
-
编辑 删除
7B？13B？175B？解读大模型的参数
大模型的大小靠参数数量来度量，7B，13B，175B 到底是什么意思呢？ 对于工程师而言，这些参数意味着什么呢？
-
编辑 删除
解读大模型应用的可观测性
如果大模型应用的可观察性未被置于产品规划的核心位置，众多利益相关方将面临过高的风险。企业快速且持续地采纳人工智能技术，可能成为其成功与失败的关键因素。一个成熟的人工智能框架，以及针对大模型应用制定的详尽的可观察性技术路线图......
-
编辑 删除
数据集中的10种变量类型
在数据分析中，理解不同变量类型及其关系是至关重要的。通过区分自变量、因变量、控制变量、交互变量等，我们可以更清晰地理解数据中的潜在模式和因果关系，并为决策提供有力的支持。
-
编辑 删除
DevOps 温故知新
温故而知新，一次次的实践，让我们对DevOps 有了不同的体会....
-
编辑 删除
大模型系列之解读MoE
Mixtral 8x7B 的推出， 使我们开始更多地关注 基于MoE 的大模型架构， 那么，什么是MoE呢？
