CS143编译原理的预测分析：Parsing中的关键算法 - 飞书文档
https://docs.feishu.cn/v/wiki/AbuHwUnb6ixRBAkvYBcc8qocnIc/a9带lookahead 的bottom-up 方法。 要点：. context-free grammar 很重要。关键概念要熟悉：terminal, non-terminal & productions。
飞搜侠
热门搜索
1. 通俗解构语言大模型的工作原理 - 飞书文档
https://docs.feishu.cn/article/wiki/KFYRwUbXyigkoAklxKec3GKunkh在构建语言模型方面，传统上一个重大的挑战是，找出最有用的表示不同单词的方式，特别是因为许多单词的含义很大程度上取决于上下文。下一个词的预测方法使研究人员能够将其 ...
大模型中RAG与长上下文技术的比较：如何做出正确选择？ - 飞书文档
https://docs.feishu.cn/v/wiki/EYfiwiSEHiTGt9k8iZqcia8LnKf/a8... 预测性。如果用户输入变化无常，缓存的效果可能会大打折扣。 本文可供各位读者 ... 借助缓存功能，LLMs 能够存储之前分析过的论文段落（如引言、实验方法等）。当 ...
1. 通俗解构语言大模型的工作原理 - ⭐ 结构化提示词知识库- 飞书
https://langgptai.feishu.cn/wiki/KFYRwUbXyigkoAklxKec3GKunkh在注意力头在词向量 · 之间传输信息后，前馈网络会“思考”每个词向量并尝试预测下一个词。在这个阶段，单词之间没有交换信息，前馈层会独立地分析每个单词。然而，前馈层可以访问 ...
Rakshit Awasthi分享编译器和LLVM原理 - 飞书文档
https://docs.feishu.cn/v/wiki/POYNwdkaRiQCtWkY6D4c4NcQnCd/a42024年7月5日 ... 这种预先优化策略能够在不影响预测准确度的前提下，降低推理计算的延迟和成本。文章特别强调了注意力和线性算子在推理过程中的关键作用，并介绍了如 ...
代码解释器能做哪些事 - 飞书文档
https://docs.feishu.cn/v/wiki/VNdvwpSt3irdm7kvRKic3WzVnGf/a52024年4月12日 ... 在科学研究和工程领域中，研究人员和工程师常常需要对大量数据进行复杂的数学处理，包括但不限于线性代数运算、傅里叶变换、统计数据分析等。代码解释器能够 ...
LLMs如何助力格式化与结构化提示设计 - 飞书文档
https://docs.feishu.cn/v/wiki/BUi4wnz4ri4VQnk6sIHcoZ4gnSg/a2欢迎进入大型语言模型(LLMs) 及提示方法基本原理的迷人世界！在这开篇课程中，我们即将深入探索LLMs的真正内涵。先给个小提示：它们其实就是专门用来预测下一个词的高级机器。
综述：探索基于大型语言模型的智能体：定义、方法与前景 - 飞书文档
https://docs.feishu.cn/article/wiki/Ms10w3VufiBel3kXwDJcq2zxnue多阶段方法多阶段方法将规划过程分解为不同的阶段，旨在改善LLM在复杂推理和问题解决任务中的性能。SwiftSage [105] 是一个受到双过程理论启发的框架，结合了行为克隆和引导 ...
大模型训练是怎样的？ - 飞书文档
https://docs.feishu.cn/v/wiki/RCIRw28Ghiu7bvkwdGlcjQpen1e/a5下面我们来看一下，什么叫预测下一个Token。 通过这幅图示，我们可以理解到大语言模型的工作原理：它将输入与自身的输出结合，循环处理直至任务完成。这种方式让人们 ...
9月AGI技术月报上篇 - 飞书文档
https://docs.feishu.cn/article/wiki/Y7uKwcJngil85Zkuhuhcyp96nDd可解释性：KAN不仅能给出预测，还能解释预测的背后原理，揭示物理过程的数学方程。例如，KAN能够准确地表示某个函数，并以更具可解释性的方式连接数据点。 科学任务中 ...