velocity   jamil   发送邮件 群发
原创
2014-04-28 11:47:46
564阅读
点赞
向量数据库无法比传统 SQL 或 NoSQL 数据库更好地解决现代数据挑战。译自Don’t Build Your Future on Specialized Vector Databases，作者 Usama Jamil。随着人工智能的兴起，向量数据库因其高效存储、管理和检索大规模、高维数据的能力而备受关注。此功能对于处理文本、图像和视频等非结构化数据的 AI 和生成式 AI (GenAI) 应用
翻译
2024-06-04 09:53:30
49阅读
通过使用 MyScale 和 LangChain 创建 AI 助手来克服 RAG 的限制，以提高数据检索过程的准确性和效率。译自Enhance Your RAG Application With Advanced SQL Vector Queries，作者 Usama Jamil。检索增强生成 (RAG)彻底改变了我们与数据交互的方式，在相似性搜索中提供了无与伦比的性能。它擅长根据简单查询检索相关
翻译
2024-06-13 00:46:19
93阅读
在总结非常大的文档时仍然存在一些限制。以下是一些减轻这些影响的方法。译自How to Summarize Large Documents with LangChain and OpenAI，作者 Usama Jamil。大型语言模型让许多任务变得更加容易，例如制作聊天机器人、语言翻译、文本总结等。我们曾经编写模型来进行总结，然后总是存在性能问题。现在，我们可以使用大型语言模型 (LLM)轻松地完成
翻译
2024-04-23 09:57:27
127阅读
DSPy 框架旨在通过优先考虑声明式、系统化编程而不是手动编写提示来解决一致性和可靠性问题。译自Goodbye Manual Prompting, Hello Programming With DSPy，作者 Usama Jamil。使用大型语言模型 (LLM)开发可扩展且优化的 AI 应用程序仍处于发展阶段。由于涉及大量手动工作，例如编写提示，因此基于 LLM 构建应用程序既复杂又耗时。提示编写
翻译
2024-07-11 18:07:50
205阅读
