AI技术研习社
GraphRAG × AutoGen × Ollama × Chainlit = 本地免费多代理 RAG 超级 AI 助手
作为一名对前沿技术充满热情的研究者，我深刻感受到检索增强生成（Retrieval-Augmented
如何提升预训练LLMs：从零打造到微调优化的全攻略
文章介绍了在现有预训练模型基础上进行微调的方法，包括监督式微调、偏好对齐方法（如基于人类反馈的强化学习和直接偏好优化）、单体偏好优化等，强调了其在提升模型实用性和适应特定任务中的优势。
RAG评估框架：RAG Triad框架及其实战
RAG三元组由三个关键指标组成：答案相关性、忠实度和上下文相关性。通过合理调整这些超参数，可以优化每个评估指标，实现更高效和准确的问答系统。使用deepeval库中的评估方法简单易行。
AI Agents：揭秘数字化工人构建术，颠覆未来职场格局！
人工智能代理正在改变软件开发方式，它们利用LLMs进行推理、决策和学习。本文探讨了AI代理的核心组件及其如何工作，并讨论了其对未来技术交互的深远影响。
LLMs开发者必看！Pydantic AI代理框架震撼登场！
PydanticAI 提供了一个强大的框架用于构建具有生成 AI 的健壮、生产级应用，通过利用 Pydantic 的数据验证功能并与 LLMs 无缝集成确保结构化、类型安全和安全的交互。
Long Term Memory：揭开人工智能自我进化的核心秘密！
随着大型语言模型的进步，通过长期记忆实现AI的自我进化成为新的研究方向。本文探讨了LTM作为基础如何助力模型在复杂任务中实现终身学习和适应性。