StreamSparkAI

音频媒体文件

清除
标签搜索结果 for "检索增强生成 (RAG)"
Prompt Engineering Explained By Google Engineer | 100X Productivity With AI | Prompting Techniques
2025-06-15 21:06

Prompt工程核心技巧揭秘：解锁AI潜能的超级能力

Prompt Engineering 人工智能 大型语言模型 (LLM) 思维链 (CoT) 检索增强生成 (RAG) ReAct框架 角色提示 AI生产力 多模态提示 LLM幻觉
已摘要 阅读时间：10 分钟（3403 个字） 2 summary versions
2025-02-05 | Agentic AI: A Progression of Language Model Usage
2025-06-06 20:18

Agentic AI 语言模型的应用与设计模式解析

智能体AI 大语言模型 检索增强生成 (RAG) 工具使用 提示工程 ReAct框架 多智能体协作 模型幻觉 AI应用开发 反思模式 (Reflection)
已摘要 阅读时间：8 分钟（2680 个字） 1 summary version
CS 194⧸294-196 (LLM Agents) - Lecture 1, Denny Zhou
2025-05-23 12:59

LLM Agents与推理能力的前沿探索

人工智能 大型语言模型 (LLM) LLM智能体 推理能力 思维链 (CoT) 提示策略 自洽性 (Self-Consistency) 少样本学习 模型局限性 多智能体系统 检索增强生成 (RAG)
已摘要 阅读时间：11 分钟（3527 个字） 2 summary versions
Google | Peter Grabowski | Introduction to Language Modeling
2025-05-18 16:18

讲者对语言模型基本原理进行了介绍，指出语言模型本质上类似于智能自动补全系统，采用自回归方式逐词生成文本。他以“这是最好的时代，这是最坏的时代”这一经典例子说明，通过统计训练数据中词语共现概率构建贝叶斯语言模型，可能会因概率循环而导致重复输出，进而解释了所谓的“幻觉”现象。讲者还展示了利用谷歌较早期的Lambda模型实现餐饮推荐聊天机器人的案例，讨论了训练数据中固有模板对生成内容的影响，同时提及了通过角色提示等策略来缓解类似问题。整个讲解过程中，他结合自身在谷歌以及学术界的经验，阐述了从基础语言模型到大规模模型在应用中的相关考虑。

大型语言模型 (LLM) 语言模型基础 Prompt Engineering AI Agents 模型幻觉 检索增强生成 (RAG) 参数高效微调 (PEFT) 指令调优 RLHF AI安全 自回归解码 Google Gemini
已摘要 阅读时间：22 分钟（7414 个字） 2 summary versions