我们继续写点儿偏工程实践的内容——LangChain的核心模块2——Chain。 1.核心模块2：Memory 实现一个问答系统，通常需要将历史

1.问题 在《【chatGPT】学习笔记9-Transformer之Seq2Seq，大语言模型的关键部件3》中，我们实现了Seq2Seq，看到

本文来解读华为的《昇腾计算产业发展白皮书》，跟踪一下国内AI行业的宏观动态。 1.AI发展趋势和挑战 1.1.AI发展趋势 白皮书首先阐述了AI发

今天我们再来写一篇关于大语言模型的实战应用——如何开发一个垂直领域的知识问答系统？ 1.原理 (1)基于传统技术的实现方案 在没有大语言模型之前，

最近的专栏都是在拆解大语言模型的内部实现及论文，我们再来写点儿偏工程实践的内容——LangChain。 1.LangChain简介 (1)如何实

1.Seq2Seq，Transformer的雏形 1.1.为什么会出现Seq2Seq？ 在神经概率语言模型NPLM出现后的很长一段时间，都是在这

1.问题：词嵌入的局限性 在《【chatGPT】学习笔记7-词的向量化，大语言模型的关键部件》中，我们了解了词嵌入。 获取词向量后，在向量空间中

人类的科学发展就是这样：每个十年百年就有一个天才振臂一呼，用一个理论解决那个时代的一个问题，同时成为下一个十年百年的天才理论的基石。 目前炙手

大家都在说chatGPT的本质是成语接龙——基于下一个词出现的概率，生成完整的句子，那么如何实现呢？ 今天我们来手撸一个上古GPT，理解一下其

红杉资本在2022年7月，发布了大语言模型洞察报告。一年后的今天回看这篇洞察报告，洞察地很准。 我们详细解读一下这份报告，从中提炼一些观点和知