- 综合排序
- 最热优先
- 最新优先
- 来自专栏周拱壹卒
Chat with LLMs
/chat-llms -t 去掉模板文件 _template 后缀，配置多模型信息、对话内容，如有需要还可配置系统提示词。 /chat-llms 默认每个模型每个温度分别调用3次流式和非流式接口，调用结果默认生成到 ./result 路径下。 参数 $ . /chat-llms -h NAME: chat-llms - Chat with multi-LLMs at the same time. /chat-llms 未读取到系统提示词，请求中将不会添加。如需使用系统提示词，可通过 system_prompt.txt 文件设置。 /chat-llms -r 1 -o .
25400编辑于 2025-03-10 - 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
核心组件在LangChain中，两个核心组件是llms和embeddings：LLMs：大语言模型，负责文本生成、对话等任务。Embeddings：将文本转换为向量表示，用于语义搜索、相似度计算等。 7. 文档嵌入：将分割后的文本块通过嵌入模型转换为向量表示。8. 向量存储：将文本块的向量表示存储到向量数据库中。9. 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。 7. LLM生成回答：LLM根据Prompt和对话历史生成回答，并返回给客户端。8. 客户端显示最终答案：客户端将LLM生成的回答显示给用户。重点说明：1. 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。
33832编辑于 2026-01-31 - 来自专栏Android点滴积累
IOS小组件（7）：小组件点击交互
引言 前面我们似乎掌握了实现一个小组件所需要的一切技能，默认情况下桌面点击小组件，也正常跳转到了App中。接下来我们一起来看看，小组件是怎么做到点击跳转到App的。 中号组件点击交互1 VStack { Link(destination: URL(string: "medium/link_text1")!) 中号组件点击交互3 Link(destination: URL(string: "medium/widgeturl_root")!) 结语 本文介绍了小组件点击交互的两种方式，widgetURL和Link，通过测试代码了解了具体的使用和组合情况。至此，小组件整个流程上的技术点都讲解完了。 后续还有2个部分：App与小组件数据共享，N个小组件怎么支持。
2.7K30发布于 2021-06-09 - 来自专栏狮乐园
高级 Vue 组件模式 (7)
但我们会发现一个问题，就是当前 toggle 组件的状态对于调用者来说，完全是黑盒状态，即调用者无法初始化，也无法更改组件的开关状态，这在一些场景无法满足需求。 对于无法初始化开关状态的问题，倒是很好解决，我们可以在 toggle 组件声明一个 prop 属性 on 来代表组件的默认开关状态，同时在 mounted 生命周期函数中将这个默认值同步到组件 data 因此这篇文章着重来解决这两个问题： toggle 组件能够支持开关状态的初始化功能 toggle 组件能够提供一个 reset 方法以供重置开关状态 重置开关状态可以以异步的方式进行 实现 初始化开关状态 这样就将提供重置状态的逻辑暴露给了组件调用者，当然，如果调用者没有提供相关重置逻辑，组件内部会自动降级为使用 on 属性来作为重置的状态值。 成果 你可以通过下面的链接来看看这个组件的实现代码以及演示： sandbox: 在线演示 github: part-7 总结 Function 类型的 prop 属性在一些情况下非常有用，比如文章中提及的状态初始化
87010发布于 2020-01-21 - 来自专栏狮乐园
高级 Angular 组件模式 (7)
07 使用 Content Directives 原文: Use Content Directives 因为父组件会提供所有相关的 UI 元素（比如这里的 button），所以 toggle 组件的开发者可能无法满足组件使用者的一些附加需求 如果 toggle 组件能够提供一些 hooks 方法或指令给组件使用者，这些 hooks 方法或指令能够在自定义的开关元素上设置一些合理的默认值，那将是极好的。 目标 提供一些 hooks 方法或指令给组件使用者，使其可以与所提供的 UI 元素交互并修改它们。 Directive，而将部分其他工作交付组件使用者来完成。 比如文章中所提及的，作为组件开发者，无法预先得知组件使用者会怎样管理开关元素以及它的样式，因此提供一些 hooks 是很有必要的，而 hooks 这个概念，一般情况下，都会是相对简单的，比如生命周期 hook
1.1K20发布于 2018-10-19 - 来自专栏踏浪的文章
Flutter lesson 7: Flutter组件之基础组件（三）
上一节我们介绍了Row, Column, Image, Text四个基础组件，这一节我们来看看下面几个组件。 Icon Icon就是图标，字体图标，矢量图。 bottomNavigationBar 在底部设置一个导航组件 bottomNavigationBar: BottomAppBar( shape: CircularNotchedRectangle( bottomSheet 底部划出组件，一般很少直接使用，而是使用showModalBottomSheet弹出，比如从底部弹出分享框。 总结 Flutter的基础的组件就讲到这里，涉及到的大都是常用的组件，部分东西没有涉及到或者说没有详细说明，可能是因为我认为不用过多说明，可能是因为没有太多时间，也可能是因为我自己也不看明白，如果你不懂
2K50发布于 2019-07-31 - 来自专栏机器学习AI算法工程
开源大语言模型LLMs汇总
2023年2月7日，百度正式宣布将推出文心一言，3月16日正式上线。 The code for recovering Alpaca-7B weights from our released weight diff. https://github.com/tatsu-lab/stanford_alpaca 4、PandaLLM 简介 Panda: 海外中文开源大语言模型 Panda 系列语言模型目前基于 Llama-7B https://github.com/xionghonglin/DoctorGLM huggingface：https://huggingface.co/zhaozh/medical_chat-en-zh 7、 商业汇票在同城和异地均可使用；3.签发商业汇票必须以合法的商品交易为基础；4.经承兑的商业汇票，可向银行贴现；5.商业汇票一律记名，允许背书转让；6.商业汇票的付款期限由交易双方商定，最长不得超过6个月；7.
2.9K10编辑于 2023-09-04 - <template id="comp1">来自专栏盛开在夏天的太阳
7.vue组件(二)--双向绑定,父子组件访问
先实现子组件的双向绑定 3. 子组件将数据传给父组件 实现步骤: 第一步: 子组件接收父组件的data <! comp1>
<div style=" width: 600px; background-color: #085e<em>7</em>d1.3K10发布于 2021-03-04来自专栏全栈程序员必看angular7 父组件向子组件传值
1.新建子组件 app-child 2.在父组件中引用子组件 <app-child [value1]=”fatherValue”></app-child> 2.在子组件中使用@Input接受父组件传的值 @Input() value1: string; value1就是父组件传到子组件的值了,可以在子组件中去使用 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/134965
75120编辑于 2022-09-06来自专栏Oracle数据库技术浅谈Oracle RAC(7) -CRS组件
浅谈Oracle RAC(5)– CSS组件 浅谈Oracle RAC(6) 之实战：节点reboot问题的调查方法 我们之前的几期重点介绍了RAC集群软件里面的两个重要组件----OHASD和CSSD 我们可以看到CRSD组件主要管理Database，ASM，监听，服务等等应用程序。而各个应用程序又根据所属user不同而被CRSD下面的不同Agent所管理。 6.Policy Engine 这个概念其实在外界对RAC的认知中是基本上没有人知道的组件。 Oracle官方并不认为PE是一个客户需要去操作或者重点关注的组件，所以官方没有提供查看PE主节点的命令。不过我们可以通过CRSD的日志文件查看。 如果非要找到所谓的主节点，则更靠谱的也只是CRSD的PE主节点，然而CRSD只是集群软件层面的一个组件，它还决定不了哪个节点是主节点。
99910编辑于 2022-08-19来自专栏数据探险家专栏LangChain Java - a framework for developing applications with LLMs
This is the Java language implementation of LangChain.Large language models (LLMs) are emerging as a But using these LLMs in isolation is often not enough to create a truly powerful app - the real power .build() .init();---The following test code can be used to view the QuickStart.java2.3 LLMs 2.5 Chains: Combine LLMs and prompts in multi-step workflowsUp until now, we’ve worked with the PromptTemplate a combination of them.A chain in LangChain is made up of links, which can be either primitives like LLMs
1.5K30编辑于 2023-06-14来自专栏自然语言处理(NLP)论文速递剑桥 | 提出Hypernetwork，解耦LLMs分词器(Tokenizer)，提高LLMs跨语言处理性能！
下表展示了「Mistral-7B 分词器迁移结果」，可见对于 Mistral-7B，零样本迁移更具挑战性，但相比其它，Hypernetwork缩小了与原有分词器的差距。
65010编辑于 2024-05-17来自专栏C++核心准则原文翻译自学鸿蒙应用开发（7）- Picker组件
本文介绍在鸿蒙应用中Picker组件的基本用法。 增加Picker组件 如下代码中46行~56行所示，在布局中增加Picker组件。 <? "0vp" ohos:weight="5" ohos:width="match_parent" /> </DirectionalLayout> 代码中组件 获取Picker组件设定和取得表示信息 如下面代码中30行和36行所示，在获取PIcker组件后，设定表示信息并在动作响应代码将最新表示信息设定到TextField组件上。 intent); super.setUIContent(ResourceTable.Layout_ability_component); //获取textfield输入组件 .setText(tf.getText()) .show(); } }); //获取picker组件
85320发布于 2020-12-31来自专栏Reinvent Data ScienceLLMs 诸神之战：LangChain ，以【奥德赛】之名
LLMs 变聪明的秘密——LangChain LLMs 优秀的对话能力已是共识，但其内存有限、容易“胡说八道”也是不争的事实。 LLMs 是根据权重生成答案的，因此无法验证信息的可靠性或提供信息来源。 那么，如何让 LLMs 好好地回答问题并总结数据？如何让 LLMs 提供答案来源？ LangChain 是一个将不同计算方式、知识与 LLMs 相结合的框架，可进一步发挥 LLMs 的实际作用。 LLMs 一次只能处理一定数量的 token（约 4 个字符），这就意味着 LLMs 无法分析长篇文档或文档集。 在这一步中，可以使用原始的 LLMs 生成 embedding 向量，这样不仅操作方便，还能在检索过程中保留 LLMs 的“思维过程”。
42520编辑于 2023-08-26来自专栏深度学习自然语言处理LLMs可以遵循简单的规则吗?
论文：CAN LLMS FOLLOW SIMPLE RULES? 地址：https://arxiv.org/pdf/2311.04235.pdf git：https://github.com/normster/llm rules 摘要 为了解决LLMs的规则遵循问题， 、13B、33B）、Llama 2 Chat（7B，13B、70B）和Mistral Instruction v0.1（7B）。 针对Llama 2 7B优化的后缀在针对其他模型使用时，不会导致失败测试用例的数量显著增加。 结论 本文的实验表明，目前的模型在很大程度上不足以遵循简单规则。 要想使AI虚拟助手在安全地整合到社会中，就需要研究并改进LLMs对于规则遵循的能力。
84010编辑于 2023-11-16来自专栏深度学习自然语言处理情感分析与LLMs角色扮演
Why Two LLMs but Not One? Vanilla ICL Self-Negotiation Negotiation with two LLMs Dataset and methods 本文在六个数据集上进行实验，分别为：SST-2，Movie
1.2K30编辑于 2023-11-09来自专栏AIGC 先锋科技推理加速策略对 LLMs 偏差的影响 !
作者考虑了每个模型的最小尺寸变体：LLAMA-2-7B，LLAMA-3.1-8B和Mistral-7B-v0.3（见A部分）。 KV缓存是快速LLM推理的关键组件，可以在GPU上占用大量空间。因此，缓存量化允许使用更大的KV缓存以实现更快地推理。作者使用4位（Liu等人，2023年）和8位（同上）量化。 剪枝**(Pruning)** 是一种去除模型权重子集的方法，以降低语言模型（LLMs）的高计算成本，同时力求保持性能。传统的剪枝方法需要重新训练（Cheng等人，2024）。 6 Conclusion & Future Work 在本研究中，作者研究了推理加速策略对大型语言模型（LLMs）偏置的影响。 The Impact of Inference Acceleration Strategies on Bias of LLMs.
33510编辑于 2024-11-25来自专栏deepseek03 deep research： Challenges and Prospects of Advanced Reasoning LLMs
Meta’s Toolformer taught LLMs to insert API calls in their text autonomously (Can language models make (Leadership Perspectives: Use Cases and ROI of LLMs - AI Forward | Fiddler AI). Purely neural LLMs, even very large ones, still struggle with certain types of systematic reasoning and In the coming years, we might see “reasoning co-processors” attached to LLMs: differentiable modules 通过强化学习等技术，可以生成包含更丰富逻辑关系的训练数据，从而提升模型的推理能力 [User Query, 7, 19, 20, 22, 23, 24, 25, 81, 87, 114, 132, 141
46700编辑于 2025-03-20来自专栏Python进阶之路Nature Perspective | LLMs 作为角色扮演引擎
本文提出了另一种方法，即使用角色扮演的概念，既能使用熟悉的术语，又能承认 LLMs 独特的非人类性质。 从根本上说，LLM 可以根据大量训练数据预测文本序列中的下一个单词。 要点总结： 本文讨论了如何通过使用角色扮演概念来更好地理解大语言模型（LLMs），同时承认其非人类性质。 对话系统中使用的大语言模型可以模仿人类对话，但需要引导以避免产生不良内容。 有了应用程序接口（APIs），就可以相对无限制地使用强大的 LLMs，这意味着对话智能体的可能性是巨大的。这既令人兴奋，又令人担忧。 因为 LLMs 的训练数据将包含这种熟悉的比喻的许多实例，所以这里的危险是生活会模仿艺术，毫不夸张地说。 如何才能降低这些风险？提出建议不属于本文的讨论范围。 我们的目的是找到一个有效的概念框架，用于思考和讨论 LLMs 和对话智能体。然而，不适当的拟人化肯定不利于关于人工智能的公共对话。
75710编辑于 2023-12-28来自专栏极客起源小程序开发实战（7）：Button组件详解
button组件是最常用的表达组件，用于响应点击动作。该组件有如下几个属性。 Boolean类型，默认值是false，设置按钮标题前是否带显示loading 图标 form-type ：String类型，没有默认值，可以设置的值包括submit和 reset，用于 form组件 ，点击分别会触发 submit/reset 事件，该属性会在介绍form组件时详细讲解 hover-class：String类型，默认值是button-hover， 指定按钮按下去的样式名称。 在这段布局文件中，放置了6个button组件，其中前三个演示了3种按钮类型：default、primary和warn。
2.1K10发布于 2020-07-10
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