自主AI Agent 的构建｜Function Calling 技术实例探索
2024/12/31
函数调用并非一个新鲜概念。早在 2023 年 7 月， OpenAI 就为其 GPT 模型引入了这一功能，现在这一功能也被其他竞争对手采用。比如，谷歌的 Gemini API 最近也开始支持函数调用， Anthropic 也在将其整合到 ...
超详细！聚类算法总结及对比！
【AI驱动】
一、聚类的简介 聚类分析，也称为聚类，是一种无监督的机器学习任务。与监督学习不同，聚类算法仅依赖输入数据，并致力于在特征空间中找到自然的组或群集。这些群集通常是特征空间中的密度区域，其中同一群集的数据点比其他群集更紧密地聚集在一起。聚...
2024/12/31
全面！图神经网络(GNN)系统介绍及实践（Pytorch）
【AI驱动】
本文介绍了有关图神经网络的所有内容，包括 GNN 是什么、不同类型的图神经网络以及它们的用途。此外，还展示了如何使用 Pytorch 构建图神经网络。 什么是图形？ 图形是包含节点和边的数据结构类型。节点可以是人、地点或...
2024/12/31
最全总结！机器学习优化算法！
【AI驱动】
机器学习的最优化算法是用于找到最佳模型参数，以最小化预测误差的算法。这些算法通过迭代地调整模型参数，以不断改进模型的性能。 本文系统地介绍了优化算法，基本脉络是从优化的基础知识，到各种优化算法原理的介绍及代码示例，最后放上各种算法的对...
2024/12/31
6个机器学习的核心算法！
【AI驱动】
（机器学习中）不断学习与更新基础知识是十分重要的。与其他技术领域一样，随着研究人员的增加、研究成果数量的增长，机器学习领域也在不断发展，但有些基础算法与核心思想的贡献是经得起时间考验的。 这六种算法分别是：线性回归、逻辑回归、梯度下降...
2024/12/31
图神经网络(GNN)的完整总结！
【日积月累】
图神经网络由于其在处理非欧空间数据和复杂特征方面的优势，广泛应用在像推荐系统、知识图谱和交通道路分析。但是，图数据量大了以后，问题就来了，计算起来超级慢，内存也撑不住，而且分布式系统通信起来也很费劲。 在此，本文首先介绍了图神经网络如...
2024/12/31
人工智能数学基础 – 贝叶斯统计（Bayesian Statistics）
【AI驱动】
一、贝叶斯统计的本质 频率学派与贝叶斯学派：频率学派强调通过大量数据揭示客观规律，而贝叶斯学派则注重结合先验知识与新数据来更新信念。 频率学派与贝叶斯学派 一、频率学派 基本观点： 世界是客观的，概率...
2024/12/31
神经网络算法 – 一文搞懂Gradient Descent（梯度下降）
【AI驱动】
梯度下降 一、梯度下降的本质 机器学习“三板斧”：选择模型家族，定义损失函数量化预测误差，通过优化算法找到最小化损失的最优模型参数。 机器学习 vs 人类学习 定义一个函数集合（模型选择） 目标：确定一个...
2024/12/31
神经网络算法 – 一文搞懂Loss Function（损失函数）
【AI驱动】
损失函数 一、损失函数的本质 机器学习“三板斧”：选择模型家族，定义损失函数量化预测误差，通过优化算法找到最小化损失的最优模型参数。 机器学习 vs 人类学习 定义一个函数集合（模型选择） 目标...
2024/12/31
神经网络算法 – 一文搞懂回归和分类
【AI驱动】
回归和分类 一、回归和分类的本质 回归和分类是机器学习中两种基本的预测问题。它们的本质区别在于输出的类型：回归问题的输出是连续的数值，分类问题的输出是有限的、离散的类别标签。 回归（Regression）的本质：回归的本质...
2024/12/31
神经网络算法 – 一文搞懂Back Propagation（反向传播）
【AI驱动】
反向传播 一、反向传播的本质 前向传播（Forward Propagation）：前向传播是神经网络通过层级结构和参数，将输入数据逐步转换为预测结果的过程，实现输入与输出之间的复杂映射。 前向传播 ...
2024/12/31
大模型开发 – 一文搞懂 Prompt Engineering（提示工程）
【AI驱动】
提示工程 一、提示工程的本质 Prompt（提示）：Prompt（提示）在人工智能，特别是AGI（通用人工智能）时代，扮演着至关重要的角色。它不仅是用户与AI模型如ChatGPT交互的桥梁，更是一种全新的“编程语言”，用于指导A...
2024/12/31
大模型开发 – 一文搞懂 Function Calling（函数调用）
【AI驱动】
函数调用 一、函数调用的本质 自然语言接口（NLI）：Natural Language Interface，自然语言连接一切。 自然语言接口（NLI） NLI的定义自然语言接口（NLI）允许用户通过日常语言...
2024/12/31
大模型开发 – 一文搞懂 LangChain（五）：Chains
【AI驱动】
一、Chains的本质 Chains是什么？Chains 在 LangChain 框架中的核心概念是用于将多个组件及其他 Chains 组合成更复杂功能，通过模块化与复用提高开发效率、代码可读性及可维护性。 模块化：提高代码复...
2024/12/31
大模型开发 – 一文搞懂 LangChain（四）：Agents
【AI驱动】
一、Agents的本质 Agents是什么？ Agents 的核心概念是利用语言模型来选择一系列要执行的动作。与传统的硬编码动作链不同，Agents 使用语言模型作为推理引擎来确定要执行哪些动作以及它们的执行顺序。 基于...
2024/12/31
大模型开发 – 一文搞懂 LangChain（三）：Retrieval
【AI驱动】
本文将从Retrieval的本质、Retrieval的原理、Retrieval的应用三个方面，带您一文搞懂 LangChain（三）：Retrieval。 一、Retrieval的本质 Retrieval是什么...
2024/12/31
搜索文章
热门话题
