Meta AI 在 2023 年推出的 Llama 2，是大语言模型（LLM）领域的一项重要突破。这些模型，包括 Llama 2 和 Llama 2-CHAT，其参数量高达 700 亿，并且可以免费用于研究和商业用途。这一进展极大地提升了自然语言处理（NLP）的能力，从文本生成到编程代码的解读均有了显著的改进。

了解 Llama 2 以及如何使用向量 embedding

什么是 Llama 2？

非结构化数据可以以各种形式出现——文本、图像、音视频文件、社交媒体帖子、传感器数据等。这些数据通常需要特定的数据结构来组织，且不易分析。

非结构化数据

语义搜索是一种搜索技术，使用自然语言处理（NLP）和机器学习（ML）来理解用户搜索查询背后的上下文和含义。

语义搜索

卷积神经网络（CNN）是一种专为图片、视频、音频文件等数据打造的深度学习模型。

卷积神经网络（CNN）

近似最近邻搜索是机器学习（ML）和数据科学领域中的一种强大技术，可以对大型数据集进行高效的最近邻搜索。ANNS 是指在大型数据集中找到给定查询点的最近邻点。ANNS 旨在最小化计算成本并同时高效找到近似最近邻。

在大型数据集中使用近似最近邻搜索（ANNS）

近似最近邻搜索（ANNS）

扩散模型是概率生成模型的一种，它们在机器学习的去噪和图像合成领域表现卓越。这种模型通过增加高斯噪声来逐步混淆数据，随后学习逆转噪声过程以重新构造样本。

比如，在图像生成任务中，扩散模型会对一幅图像加入噪声，反复多次操作，直到图像完全变成纯噪声图像。接下来，模型逐步消除图像中的噪声，最终呈现出一幅清晰的图像。通过这一过程，模型能够生成一系列与原始图像高度相似的新图像。

本文介绍了扩散模型如何对图像施加高斯噪声，并通过一系列的马尔可夫步骤学习消除这些噪声。请继续阅读，以获取更多相关知识。

扩散模型详解：最全面阐述

AI Agent 能够独立思考和行动，可以依赖环境反馈，实现内部自我对话。此外，它们还能够生成任务列表，并不断演化和适应环境，以最佳方式实现指定目标。

本文介绍有关 AI Agent 的知识，将涵盖不同类型的 Agent、它们的使用场景以及如何创建和训练 Agent。

关于 AI Agent，你需要知道的那些事

Embedding 向量是指用数字表示非结构化数据，可以表示数据对象之间的联系或相关性。

Embedding 向量

神经网络是一类计算模型，其设计灵感来源于人脑的结构。

神经网络和向量数据库

语义缓存与传统缓存方法的不同之处在于，语义缓存存储查询或请求的含义，而不仅仅是原始数据。

语义缓存

Transformer 模型是神经网络的一种创新架构，擅长于将某种类型的输入转化为全新的输出形式。其最大的特点是能够灵活处理各种长度的序列输入与输出。该模型通过将输入序列编码成一个预设维度的矩阵，并与一个专门的注意力矩阵结合，从而进行有效的解码。

Transformer 模型：工程师指南

循环神经网络（RNN）是一种独特的人工神经网络，专门为解读如时间序列和自然语言等数据序列而生。它仿照人脑构建，能深刻洞察序列中的语境与相互关系。RNN 独特之处在于其“记忆力”——它能够回顾之前的输入，并将这些历史信息融入当前的数据分析与决策之中。

探索循环神经网络：深入浅出

在机器学习领域，梯度下降算法是核心技术之一，特别是在确定模型损失函数最优值的训练过程中发挥着关键作用。该算法通过迭代方式调整参数集（偏差/权重）以实现优化，目标是不断精炼这些参数以寻找函数的最佳值。

梯度下降是深度学习和机器学习模型训练中最常用的优化算法之一。它通过迭代调整模型参数，旨在最小化成本函数，从而找到最优值。

梯度下降：开发者必备指南

什么是语义搜索？

人工智能（AI）正如同寒武纪般经历着翻天覆地的变革。昨日的科幻，今日成为现实。特别是随着 ChatGPT 等工具的问世，人们对 AI 的热情持续升温。但 AI 进化的故事并非单调，我们正在同时在多个战线上推进 AI 软件的革新。

生成对抗网络：简明指南

什么是 AI 幻觉？

本文涵盖了所有关于向量距离的细节，并探讨了向量距离如何助力机器学习应用。

向量距离

诸如 BERT 和 GPT-4 之类的大语言模型（LLM）能够高效处理自然语言处理（NLP）任务。了解 LLM 定义、原理和特性。


什么是大语言模型（LLM）？一份开发者指南

大语言模型（LLM）

语义相似度是指两段文本、短语、句子或更大块文本之间在意义上的重叠或相似程度，即使它们的措辞不同。


语义相似度

了解什么是 AI 数据库，AI 数据库有什么作用，以及 AI 数据库有哪些类型。

人工智能和机器学习术语表

A

AI Agent

AI 幻觉

AI 数据库