02-探索和比较不同的LLMs - 飞书文档
https://docs.feishu.cn/article/wiki/CuEiwiraUiUomdktufGcVQlcnjc大型语言模型(LLM) 可以根据其架构、训练数据和用例进行多种分类。 了解这些 ... 根据上下文进行快速工程设计是最具成本效益的启动方法。 检索增强生成(RAG). LLMs ...
飞搜侠
热门搜索
利用LangChain 对大语言模型应用性能进行基准测试 - 飞书文档
https://docs.feishu.cn/article/wiki/QXkjwNvWtiPeTbk54U4cwJctnPg接下来，我们可以利用LangChain 提供的功能来设计测试用例。例如，我们可以创建各种类型的输入文本，包括常见问题、复杂的语言结构、多语言文本等，以全面考察LLM 应用 ...
Agentic Workflow的设计模式对AI应用性能有何提升？ - 飞书文档
https://docs.feishu.cn/v/wiki/DYmrw6rOYihxJukRDPGc4RmTnOe/ag有没有一种更加方便高效的方式，让我能够在短时间内创作一个符合我预期的Agentic Workflow原型？有了，通过自然语言来构建DSL并还原工作流。 我在之前就比较喜欢使用自然语言 ...
《面向编程的自然语言处理：评估方法的选择与侧重》 - 飞书文档
https://docs.feishu.cn/v/wiki/CNCBw9flxiTOp2k5bJKc3m2KnZd/a5结构性指编程语言拥有复杂的结构，如层次、循环、递归等，对其进行恰当建模是理解程序的关键。功能性指程序应将输入转化为预期输出，执行特定功能，而设计面向功能的算法是生成 ...
LLM架构演化对自然语言处理的影响 - 飞书文档
https://docs.feishu.cn/v/wiki/W9eswGA8GiVyI5krgc6c0hOVnUc/a9... 用例。目前比较常见的是将其分类为：encoder-only, decoder-only以及encoder-decoder。但是正如杨立昆推特帖子中说的，其实这些名称比较难理解。个人觉得最好理解的方式 ...
大模型Prompt提示设计简介(2)：有效的建议 - 飞书文档
https://docs.feishu.cn/article/wiki/CTRvwdflYiIMIqkjbwVclcNKnRD作者：哎呀AIYA 原文：https://mp.weixin.qq.com/s/SiVypDgDXZYCwpRYVNPg1Q 本文将介绍在设计Prompt时可以采用的一些常规设计策略。虽然Prompt 设计方法没有正确或错误一 ...
构建LLMs产品的实用指南里，评估与监控是如何进行的？
https://docs.feishu.cn/v/wiki/E5d3wSjWViKSFMkW3lzc95Qonzg/aeEugene Yan 负责设计和运行大规模的机器学习系统，为客户提供服务。他目前是 ... 检索增强生成（RAG）. 除了提示工程之外，还有一种有效的方法是在提示中提供知识。
怎样让大语言模型更好理解我们的需求？ - 飞书文档
https://docs.feishu.cn/v/wiki/Qn5owwoeGiQv4ikUqzgcVhPWnDb/aj合理的方法论可以指导产品经理有效地进行用户研究、需求分析、产品设计和产品优化。例如,采用定性和定量相结合的研究方法,可以深入理解用户和市场;采用类目论等方法进行 ...
一泽Eze：样例驱动的渐进式引导法——利用AI 高效设计提示词
https://docs.feishu.cn/article/wiki/MJQTwW7y9iDSfrkcFUmc0iCmnlf注：用例测试和多轮反馈的步骤比较灵活，你可以根据需要，在这两个环节内自由进行反馈，调整AI 的理解与输出。 像图中金字塔原理的知识卡片生成结果，已经非常符合我的 ...
RAG策略比较：找出最佳提升途径
https://docs.feishu.cn/v/wiki/T2h6wYYMWiYhuhknehkcklFTnDh/a6对于基于支持文档构建的Q&A系统，问题→问题的比较将实质性地提高性能，而不是问题→支持文档。实际操作中，最简单的方法是要求你的大模型（如ChatGPT）为每个文档生成示例 ...