- 综合排序
- 最热优先
- 最新优先
- 来自专栏天意云&天意科研云&天意生信云
北大高歌教授综述：ChatGPT在生物信息学的革命性应用
文章详细讨论了将这些大语言模型（LLMs）应用于生物信息学的几种方式： 作为“AI阅读器”或知识库 文本型基础模型通过对文本的语法和语义进行解析，用于文献总结和数据库整理，有助于研究者快速获取生物医学知识 生成语义特征向量 通过领域特定的微调，LLMs可以生成输入文本的语义特征，从而实现基于语义的文献检索，提高信息检索的准确性。 然而，LLMs在应用中仍存在以下挑战： 幻觉信息 LLMs可能生成看似合理但错误的回答，适合作为辅助工具而非独立决策者。 可靠性问题 由于幻觉现象存在，LLMs的结果需进一步验证以确保准确性。 为了提高LLMs在生物信息学中的应用，研究者提出了以下策略： 提示词调整（Prompt Engineering） 精心设计提示词以提升LLMs的任务表现，减少错误生成。 提取增强生成（RAG） 通过从外部数据库检索信息，增强LLMs的知识背景，减少幻觉的可能性。 插件功能 通过插件扩展LLMs的知识获取能力，如支持向量数据库搜索、网页浏览和文献检索等。
48210编辑于 2025-03-06 - 来自专栏JavaEdge
AI 大模型企业应用实战(10)-LLMs和Chat Models
如： Anthropic 模型最适合使用 XML OpenAI 的模型最适合使用 JSON 设计应用程序时牢记这点。 #LLM类大模型的流式输出方法 from langchain.llms import OpenAI import os api_base = os.getenv("OPENAI_PROXY") api_key 笨死的) from langchain.llms import OpenAI from langchain.output_parsers import PydanticOutputParser from 作者简介：魔都架构师，多家大厂后端一线研发经验，在分布式系统设计、数据平台架构和AI应用开发等领域都有丰富实践经验。 各大技术社区头部专家博主。 负责： 中央/分销预订系统性能优化 活动&券等营销中台建设 交易平台及数据中台等架构和开发设计 车联网核心平台-物联网连接平台、大数据平台架构设计及优化 LLM应用开发 目前主攻降低软件复杂性设计
41010编辑于 2025-06-01 - 来自专栏AIGC大模型应用
AI大模型企业应用实战(10)-LLMs和Chat Models
不同模型有不同的最佳提示策略，如：Anthropic 模型最适合用 XMLOpenAI 模型最适合用 JSON设计应用程序时牢记这点。 # LLM类大模型的流式输出方法from langchain.llms import OpenAIimport osapi_base = os.getenv("OPENAI_PROXY")api_key 4 追踪Token的使用# LLM的toekn追踪from langchain.llms import OpenAIfrom langchain.callbacks import get_openai_callbackimport 笨死的)from langchain.llms import OpenAIfrom langchain.output_parsers import PydanticOutputParserfrom langchain.prompts langchain.output_parsers import CommaSeparatedListOutputParserfrom langchain.prompts import PromptTemplatefrom langchain.llms
41100编辑于 2024-08-15 - 来自专栏DrugOne
AI智能体在药物发现中的应用概述
这类智能体不再局限于单一的预测或生成任务，而是作为一组可适应的独立组件协同工作，可用于文献检索、化合物分类、毒性终点预测、实验规划，甚至直接与实验室自动化系统交互。 Supervisor智能体系统是一种层级化多智能体架构，由监督者LLMs将子任务分配给专门化LLMs智能体，每个智能体都具备推理与调用工具的能力(图3c)。 该系统已应用于商业与科研环境的有机合成中。实验设置与智能体系统的整合，使其更接近完全闭环的发现流程。 、数据驱动的新假设(图11)。 图11 Focal Graph作为LLMs推理的数据源的工作流程 从发现到交易决策 在此案例中，Convexia Bio的作者开发了一个用于小分子资产搜索与评估的智能体工作流程(图12)。
50410编辑于 2025-12-17 - 来自专栏大模型应用
大模型应用：LangChain核心组件深度解析：llms与embeddings.3
LangChain 简介 LangChain 是一个用于构建大语言模型（LLM）应用程序的框架。 它提供了一套工具和组件，使得开发者可以轻松地将LLM与其他数据源和工具连接起来，构建复杂的应用程序。2. 11. Prompt构建：将相关文档和用户问题组合成一个提示（Prompt），以便输入给LLM。12. LLM生成：将构建好的提示输入给大语言模型（LLM），生成答案。13. 二、LLMs 组件详解1、LLMs介绍 在LangChain中，LLMs组件是核心之一，它是对各种大语言模型的抽象。通过LLMs组件，我们可以以统一的方式调用不同的模型。 六、总结 通过LangChain，我们可以方便地集成LLMs和Embeddings组件，构建强大的应用程序。
34032编辑于 2026-01-31 - 来自专栏Dance with GenAI
LLMs大模型在金融投资领域的15个具体应用场景
近年来，深度学习技术如循环神经网络（RNN）、卷积神经网络（CNN）和Transformer模型的应用显著提升了股票时间序列预测的精度和效率。 尽管目前个性化建议有限，LLMs的应用将推动机器人顾问向更广泛适用的投资原则发展。 6. 并购与收购预测 在并购与收购预测中，LLMs通过分析财务报告、新闻文章和新闻发布，揭示潜在的趋势和战略转变。 LLMs提升数据处理和分析能力，快速处理大量非结构化数据，提供全面的ESG评估。例如，分析企业可持续性报告和社交媒体帖子，提取关键洞察，提供更客观和一致的ESG评分。 11. 还有其他多样化的研究方法，如为情感分析设计专门的NLP子模块 ，N-gram和朴素贝叶斯算法的应用 ，基于词典的情感分析 ，以及情绪分类配合每日情感评分 。时间序列分析模型也被应用于此领域 。 通过以上应用，LLMs展示了其在金融投资领域的广泛潜力，从预测和优化到教育和服务，推动金融科技的发展和创新。
1.1K10编辑于 2024-07-22 - 来自专栏Android 开发者
聚焦 Android 11: Android 11 应用兼容性
更轻松实现应用与 Android 11 兼容 在每次版本更新中，我们都希望尽量减少应用适配 Android 所需的工作。 请继续阅读，详细了解我们如何简化 Android 11 中的应用测试和调试流程。 在 Android 11 上测试 测试应用是否兼容 Android 新版本可能面临很多挑战，尤其是应用在受到多个平台变更影响的情况下。此过程中可能会出现很多问题: 如何确定应用中可能受影响的区域？ 适于测试平台变更的新工具 和往年的更新一样，Android 11 的一些平台变更可能会影响您的应用。 我们希望这些工具能帮助您更轻松地测试 Android 11 应用兼容情况。
2K10发布于 2020-10-16 - 来自专栏开源服务指南
LLMs 应用程序的构建利器：LangChain 助您驰骋 AI 世界 | 开源日报 No.100
picture langchain-ai/langchain[1] Stars: 67.9k License: MIT picture LangChain 是一个旨在通过组合性来构建 LLMs 应用程序的库 它可以帮助开发者快速将 LangChain 应用程序部署到生产环境，同时提供了统一的开发平台，用于构建、测试和监控 LLM 应用程序。 LangChain 具有以下核心优势： 提高 LLMs 效率 统一接口标准 支持各种常见类型的链式操作 为代理选择提供多样化选项 内置内存模块支持 主要特点： 帮助管理 prompt 并进行优化。 提供通用界面以适配所有 LLMs。 标准链式操作接口和其他工具集成。 数据增强生成涉及外部数据源交互获取信息并使用其进行生成步骤。
43910编辑于 2023-12-01 - 来自专栏山行AI
LocalAI——一款可在消费级硬件上本地运行 LLMs的AI应用
前言 在AI盛起的当下，各类AI应用不断地出现在人们的视野中，AI正在重塑着各行各业。笔者前前后后调研过无数个AI应用项目，它们都是各自应用场景中的佼佼者。 它允许您在消费级硬件上本地或本地运行 LLMs（不仅仅是）支持多个与 ggml 格式兼容的模型系列，不需要 GPU。 它允许您在消费级硬件上本地或本地运行 LLMs（不仅仅是）支持多个与 ggml 格式兼容的模型系列。不需要 GPU。 有关支持的模型系列列表，请参见模型兼容性表[5]。 请参见示例[8]，了解如何将 LocalAI 与其他流行项目集成： ChatGPT OSS 替代品[9] 图像生成[10] Telegram 机器人[11] Flowise[12] 请参见入门指南 master/examples/chatbot-ui [10] 图像生成: https://localai.io/api-endpoints/index.html#image-generation [11
10.8K30编辑于 2023-08-10 - 来自专栏一个会写诗的程序员的博客
第11章 Spring Boot应用监控第11章 Spring Boot应用监控小结
第11章 Spring Boot应用监控 在实际的生产系统中，我们怎样知道我们的应用运行良好呢？我们往往需要对系统实际运行的情况（各种cpu，io，disk，db，业务功能等指标）进行监控运维。 本章主要介绍使用Actuator对Spring Boot应用指标进行监控，以及通过远程shell监控与管理我们的应用。 11.0 Actuator简介 Actuator是spring boot提供的对应用系统的自省和监控功能，Actuator对应用系统本身的自省功能，可以让我们方便快捷的实现线上运维监控的工作。 通过Actuator，我们可以使用数据化的指标去度量我们的应用的运行情况。 配置完毕，重启应用。
1.7K30发布于 2018-08-20 - 来自专栏开源服务指南
多语言支持 SDK：轻松集成 LLMs 到应用程序 | 开源日报 No.261
该项目主要功能、关键特性和核心优势包括： 可以快速轻松地将 LLM 技术整合到应用程序中 支持 C#、Python 和 Java 等多种编程语言 允许定义插件，并能够自动协调这些插件与人工智能进行交互
43110编辑于 2024-05-17 - 来自专栏天意云&天意科研云&天意生信云
《Nature》发表：AI运用在医疗临床决策支持的系统评估
未来人们很可能会转向AI大型语言模型（LLMs）来咨询健康/医疗建议，就像在以前用百度/Google上搜索诊断一样. 总之，商业LLMs（GPT-4）在连续两个主要版本中展示了医疗问答的潜力不断增长。然而，一些弱点凸显了医疗保健领域需要强大且受监管的人工智能模型。 除了考试模拟之外，之前的作品还展示了 ChatGPT 在日常医学中的潜在好处，例如，在医学写作中，通过从电子健康记录中提取信息、协助文献检索或提供写作风格和格式指导的使用，例如加强牙科远程医疗服务或改善放射学中以患者为中心的护理 -7B和L12-70B；13·5]和11·75[11·25；12·75]。 类似地，对于九个得分最差的情况：11·0 [9·25;11·25]、10·25 [9·5;10·5]]、10·25 [8·5;11·0] 和8·5 [7·75；10·25]。
38710编辑于 2025-03-06 - 来自专栏君正T31开发实战指南
君正T31应用开发11：OSD应用
1.OSD应用简介将特定的信息叠加到视频当中，如点阵数据，直线，矩形框，矩形遮挡，图片数据等等。IPU模块对图像的操作主要包含OSD模块和CSC模块。 fontadv = gBgramap[10].width;penpos_t += gBgramap[10].width;break;case ' ':dateData = (void *)gBgramap[11 ].pdata;fontadv = gBgramap[11].width;penpos_t += gBgramap[11].width;break;case ':':dateData = (void *
2K20编辑于 2023-06-22 - 来自专栏HyperAI超神经
全新生物学基准数据集LAB-Bench震撼开源！覆盖8大任务，超2.4K选择题
的研究人员推出了 LAB-Bench 生物学基准测试数据集，用于评估 AI 系统在文献检索和推理、图形解释、表格解释、数据库访问、撰写协议、DNA 和蛋白质序列的理解和处理、克隆场景等实际生物学研究的表现 如今，将大语言模型 (LLMs) 和 LLM 增强系统用于生物学、海洋科学、材料科学等领域的研究，进而提高科研效率、成果产出，已成为很多科学家关注的重点方向。 值得注意的是，随着 LLMs 在科研领域的日益普及，建立一套高质量、专业性强的评估基准变得至关重要。 然而，目前许多基准测试 (benchmarks exist) 聚焦于对 LLM 在教科书式科学问题的知识、推理能力评估，却很难评估 LLM 在科研实际任务（如文献检索、方案规划和数据分析）中的性能，导致模型在应对实际科学任务时 其中，FigQA 衡量的是 LLMs 理解和推理科研图表的能力，FigQA 的问题仅包含图表的图像，没有图表标题、论文文本等其他信息。大多问题要求模型整合图表的多种元素信息，需要模型具有多模态能力。
41010编辑于 2024-07-31 - 来自专栏软件测试那些事
大型语言模型（LLMs）在软件工程中的应用：过度炒作还是颠覆性变革？
例如，我们在2021年11月出版的书《构建软件工程的未来：软件工程研究与开发的国家议程》描述了一条研究路径，即人类和AI支持的工具作为值得信赖的合作伙伴一起工作。 ·即时开发人员反馈——LLMs在软件开发中的应用已经受到了一些应得和不应得的怀疑。 在软件工程中应用LLMs时需要考虑的警告 在将LLMs应用于软件工程时，也必须承认其缺点。 对于那些盲目应用LLMs生成的输出而不花时间和精力验证结果的人来说，幻觉是一个重大的担忧。 在软件工程生命周期中应用LLMs的最佳机会可能是在发挥LLMs优势的活动中，这是我们将在即将推出的博客中详细探讨的主题。
85510编辑于 2024-05-22 - 来自专栏技术墨客
React学习（11）—— 高阶应用：Web组件
从概念上说，React 和 Web组件 分别用于解决不同的问题。Web组件提供了强大的封装特性来支持其可重复使用性，而React提供了一系列声明性（declarative）接口保证Dom结构和数据同步。但是某些时候这2个目标是互补的。对于开发人员来说将React用于Web组件、或将Web组件用于React、或2者皆有并非难事。
54820发布于 2018-08-15 - 来自专栏WOLFRAM
Mathematica 11 在化学中的应用
应用 Wolfram 语言，您可以访问 PubChem 数据，对这些特征一探究竟. 2 案例 下面我们用Mathematica比较两个对映体: 首先，连接到 PubChem API. ?
86860发布于 2018-05-31 - 来自专栏C++核心准则原文翻译
自学鸿蒙应用开发（11）- RadioButton和RadioContainer
本文介绍在鸿蒙应用中RadioButton和RadioContainer组件的基本用法。
69020发布于 2021-01-13 - 来自专栏梧雨北辰的开发录
iOS11后32位应用升级
今天接受了一个改造旧项目的任务，据说项目唯独在iOS11上无法运行。这很容易就让我们想到与最近苹果iOS11放弃支持32位应用的事件有关。 一、iOS11停止支持32位的来由 苹果于2013年9月推出了iPhone 5S新手机，采用的全新A7处理器其最大特色就是支持64位运算。 2018年1月1日开始，苹果在iOS 11系统上停止了32位应用程序的服务支持，使用iOS11系统的用户将无法再在Appstore中搜索到32位应用。 二、了解iOS的CPU架构 我们说到了32位和64位的处理器，它们本质的区别还是在于，64位多出2个寄存器，而这两个寄存器在运行32位应用的时候是关闭的，只有在运行64位应用的时候才会激活，才会用上。 关于在Xcode中设置不同CPU架构的支持可以参考下另一篇文章：(https://www.jianshu.com/p/441caa1138af) 三、升级32位应用支持64位 其实升级应用支持64位并不复杂
1.1K30发布于 2018-04-24 - 来自专栏Michael阿明学习之路
动态规划应用--双11购物凑单
问题描述 双11购物节的时候，某宝给你很多张满300减50的优惠券，你想组合各种商品的价格总和>=300，且金额总和越接近300越好，这样可以多薅点羊毛。 回溯算法效率太低，时间复杂度指数级。 当n很大的时候，可能“双11”已经结束了，代码还没有运行出结果 ---- DP求解：购物车中有n个商品。针对每个商品都决策是否购买。每次决策之后，对应不同的状态集合。 iostream> const int limitMoney = 300; const int MaxSumOfPrice = 3*limitMoney;//超过3倍就没有媷羊毛的必要了 void double11shopping delete [] states; } int main() { const int n = 5; int price[n] = {100,98,105,104,99}; double11shopping
4.7K20发布于 2021-02-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号