第二支羽毛|吹灭读书灯，一身都是月

如何在企业中实现知识图谱和大模型（LLM）互通

知识图谱（KG）与大型语言模型（LLM）：企业数据赋能的强强联合数据如同企业的生命线，而如何高效地利用数据则成为了企业发展的关键。大型语言模型（LLM）和知识图谱（KG）作为两种强大的数据处理工具，正逐渐改变着企业的运营模式。今天，我们就来深入探讨一下它们在企业中的应用以及如何协同工作，为企业带来

LLM架构

使用 Docling、Groq、Ollama 和 GLIDER 评估构建高级 RAG 管道

RAG

探秘 GraphRAG：知识图谱赋能的检索增强生成技术新突破

RAG

清华 ReST-MCTS*：基于过程奖励引导树搜索的 LLM 自训练深度剖析

基础模型

探索 AI 智能体工作流设计模式

《探索 AI 智能体工作流设计模式》欢迎关注公众号柏企阅文由大语言模型（LLM）驱动的智能体是利用 LLM 进行问题推理、制定可行计划并使用一组工具执行这些计划的系统。简单来说，这些智能体融合了高级推理能力、记忆力和任务执行能力。基于 LLM 的 AI 智能体工作流设计模式自 2022 年末

Agent

AI Agent 架构新变革：Plan-and-Execute 引领智能新潮流

AI Agent 架构新变革：Plan-and-Execute 引领智能新潮流 AI Agent 的发展一直备受瞩目。今天，我们就来深入探讨一种全新的架构——Plan-and-Execute，它正悄然改变着 AI Agent 解决复杂任务的方式。传统 ReAct 架构的困境曾经，ReAct（推理

Agent

RAG完整指南

解锁 RAG 技术：企业数据与大模型的完美融合之道为什么需要 RAG？我们可以使用像 ChatGPT 这样的大语言模型（LLM）来创建星座运势等内容，或者应用于工作等更实际的场景。然而，问题在于企业通常拥有大量的文档、规则、条例等信息，而 ChatGPT 对此一无所知。此时有两种选择：一是用企

RAG

探索大型语言模型新架构：从 MoE 到 MoA

探索大型语言模型新架构：从 MoE 到 MoA 当前，商业科技公司纷纷投身于一场激烈的竞赛，不断扩大语言模型的规模，并为其注入海量的高质量数据，试图逐步提升模型的准确性。然而，这种看似顺理成章的发展路径逐渐暴露出诸多内在局限。一方面，高质量数据的获取并非易事；另一方面，计算能力的瓶颈以及在普通用户硬

LLM架构

专家混合（MoE）大语言模型：免费的嵌入模型新宠

专家混合（MoE）大语言模型：免费的嵌入模型新宠今天，我们深入探讨一种备受瞩目的架构——专家混合（Mixture-of-Experts，MoE）大语言模型，它在嵌入模型领域展现出了独特的魅力。一、MoE 架构揭秘（一）MoE 是什么？ MoE 是一种包含多个被称为“专家”子网的架构，每个子网专

LLM架构

运行一个大模型需要多少GPU?

为大型语言模型（LLM）提供服务需要多少GPU内存？在人工智能领域，大型语言模型（LLM）已经成为推动自然语言处理和理解的关键技术。然而，随着模型规模的不断扩大，为这些模型提供服务所需的GPU内存也成为一个亟待解决的问题。本文将深入探讨如何估算为LLM提供服务的GPU内存需求，并提供实际应用的示例

理论基础