语言模型

AI核心知识24——大语言模型之AI 幻觉（简洁且通俗易懂版）AI 幻觉 (Hallucination) 是大语言模型最著名、也是最让人头疼的一个缺陷。用一句最通俗的话来形容，就是：“一本正经地胡说八道”。

一只乔哇噻

java后端工程师+AI大模型进修ing（研一版‖day57）目录今日总结详细内容java随笔录Redis数据持久化RDBAOFAI随探录智能输入法案例数据集处理模型结构设计

python零基础入门小白

2025年大模型面试通关秘籍！大厂高频LLMs真题全解析，一文掌握，助你轻松斩获心仪offer！大模型技术迭代的速度正以“月”为单位颠覆行业认知——2025年的面试战场，早已不是比拼手写Transformer公式或调参技巧的擂台。随着技术落地深水区的到来，企业对人才的筛选逻辑发生剧变：能否用大模型撕开商业缺口，成为衡量价值的唯一标尺。

一只乔哇噻

java后端工程师+AI大模型进修ing（研一版‖day56）目录今日总结详细内容java随笔录OAuth2定义OAuth2的流程编辑OAuth2的应用授权过程JWT

极客BIM工作室

AI论文整理：Flamingo: a Visual Language Model for Few-Shot Learning《Flamingo: a Visual Language Model for Few-Shot Learning》下载地址：https://arxiv.org/pdf/2204.14198.pdf

AI核心知识25——大语言模型之RAG（简洁且通俗易懂版）RAG 是 Retrieval-Augmented Generation（检索增强生成）的缩写。如果说“幻觉”是大模型的病，那么 RAG 就是目前最有效的药。

05【AI大模型对话/创建项目】通过pycharm创建大模型项目,关联Anaconda环境提示：帮帮志会陆续更新非常多的IT技术知识，希望分享的内容对您有用。本章分享的是springboot的使用。前后每一小节的内容是存在的有：学习and理解的关联性。【帮帮志系列文章】：每个知识点，都是写出代码和运行结果且前后关联上的去分析和说明（能大量节约您的时间）。

AI核心知识22——大语言模型之重要参数Top-P（简洁且通俗易懂版）Top-P（也被称为 Nucleus Sampling / 核采样）是一个控制 AI 随机性的关键参数。

AI核心知识21——大语言模型之核心参数Temperature（简洁且通俗易懂版）Temperature（温度）是在使用大语言模型（无论是通过 API 还是某些高级设置界面）时，最常遇到的一个参数。

生成模型实战 | BERT详解与实现BERT (Bidirectional Encoder Representations from Transformers) 是 Google 在提出的预训练语言模型，它通过 Transformer 编码器结构和掩码语言模型 (Masked Language Model, MLM) 任务，实现了真正的双向上下文理解。在本节中，我们将学习如何从零开始训练自编码语言模型。训练过程包括模型的预训练和针对特定任务的训练。首先，学习 BERT (Bidirectional Encoder Representatio

AI核心知识23——大语言模型之System Prompt（简洁且通俗易懂版）System Prompt（系统提示词），在开发圈里有时也被称为 System Message 或 System Instruction。

【论文精读】Aligning Language Models to Explicitly Handle Ambiguity论文地址：Aligning Language Models to Explicitly Handle Ambiguity

部署语音模型CosyVoice，附多种玩法下载CosyVoice模型的github仓库：github不太稳定，可能连不上：一般过一会再重试即可。

愤怒的可乐

从零构建大模型智能体：统一消息格式，快速接入大语言模型本文介绍了如何基于 OpenAI Python SDK 封装大语言模型调用，统一消息格式，轻松实现流式和非流式输出。通过 Message 类和 ChatOpenAI 封装，我们可以快速构建智能 Agent 系统，兼顾稳定性、兼容性和生产化需求，无需重复实现 HTTP 调用和流式解析。完整示例与代码请见项目仓库：Vero 。

努力改掉拖延症的小白

Intel笔记本也能部署大模型（利用Ultra系列gpu通过优化版ollama实现）很多小伙伴是不是也想尝试一下用自己的笔记本私有化部署一个大模型，百度上搜了一些教程，发现ollama是最省事的，然后一顿操作，确实可以了，但是很慢，而且发现如下图所示，为什么这个NPU和GPU都没有用，其实是版本装错了， Ollama 默认配置没有启用你的 Intel Arc GPU 和 NPU，加上模型 / 系统适配问题导致资源没利用起来，今天教大家怎么充分利用GPU。

学历真的很重要

Hello-Agents —— 03大语言模型基础通俗总结详细开源项目参考：Hello Agent 《从零开始构建智能体》——从零开始的智能体原理与实践教程核心思想：预测下一个词出现的概率

学历真的很重要

LangChain V1.0 Short-term Memory 详细指南基于官方文档 https://docs.langchain.com/oss/python/langchain/short-term-memory 的完整中文总结

【笔记】和各大AI语言模型写项目——手搓SDN后得到的经验最近有幸被赠了个cursor license，开始整活。我估计以后程序员这个职业该是人手一个这样的助手了，确实能提高不少效率。繁琐的事情让它去实现，人只要把握好方向就好。

深入剖析Kimi K2 Thinking与其他大规模语言模型（Large Language Models, LLMs）之间的差异当然，深入剖析Kimi K2 Thinking与其他大规模语言模型（Large Language Models, LLMs）之间的差异，既涉及技术架构，也关系到应用场景和核心能力。以下将从多维度展开详尽对比，帮助你理解两者的本质差异及优势所在。

智眼法盾：基于Rokid AR眼镜的合同条款智能审查系统开发全解析摘要：本文详细阐述了如何基于Rokid CXR-M SDK开发一款面向法律领域的AR合同条款智能审查系统。通过整合手机端AI分析能力与眼镜端AR展示特性，实现了合同风险点的实时可视化标注、法律条款智能比对、关键信息结构化提取三大核心功能。文章深入剖析了SDK连接机制、自定义场景构建、数据流优化等关键技术，提供了完整的实现方案与性能优化策略，为开发者打造专业级法律科技应用提供技术参考。