向量数据库博客

技术干货

深度解读混合专家模型（MoE）：算法、演变与原理

本文将介绍 MoE 的核心概念、LLM、训练、推理以及 MoE 在现代 AI 模型中的作用。

技术干货

使用Milvus和Llama-agents构建更强大的Agent系统

本文将探讨如何使用 llama-agents 和 Milvus 构建 Agent 系统。通过将 LLM 的强大功能与 Milvus 的向量相似性搜索能力相结合，我们可以创建智能且高效、可扩展的复杂 Agent 系统。

技术干货

SentenceTransformers×Milvus:如何进行向量相似性搜索

文本将使用 SentenceTransformers 将非结构化数据转换为 Embedding 向量。SentenceTransformers 是一个能够将句子、文本和图像转换为 Embedding 向量的 Python 框架。您可以用它来编码超过100种语言的句子或文本。然后，我们就可以通过相似度类型（例如：余弦距离）来比较这些 Embedding 向量，从而找到相似含义的句子。

技术干货

LLM-Eval：评估 LLM 对话的简化方法

在这篇文章中，我们将讨论一种名为 LLM-Eval 的方法，它用于评估 LLM 的响应质量。

技术干货

什么是BERT（Bidirectional Encoder Representations from Transformers）？

BERT，即Bidirectional Encoder Representations from Transformers，自2018年由谷歌发布以来，极大地改变了自然语言处理（NLP）的格局。

技术干货

什么是知识图谱（KG）？

在本文中，我们将更详细地向您介绍知识图谱，它们的组成部分，如何构建它们，以及它们的不同应用。

技术干货

什么是计算机视觉？

计算机视觉是人工智能的一个领域，它使机器能够像人类一样捕获和解释来自世界的视觉信息。计算机视觉的目标是自动化人类视觉系统，以识别对象，理解场景，并在分析视觉数据后做出判断。

社区活动

使用 Milvus、LangChain 和 OpenAI LLM 构建多语言 RAG

OSS4AI 的首席执行官 Yujian Tang 最近在由 Zilliz 主办的非结构化数据聚会上发表演讲。他讨论了 RAG 及其基本组件，并演示了如何构建多语言 RAG 来应对多样化的真实世界语言挑战。

技术干货

向量数据库正在革新人工智能应用中的非结构化数据搜索

在最近的巴西非结构化数据聚会上，Zilliz的人工智能和机器学习负责人Frank Liu谈到了向量数据库是如何改变人工智能应用中非结构化数据搜索的格局的。他的见解揭示了这些数据库广泛而深远的能力。