人工智能驱动的编码助手并不能解决软件开发中的所有问题,但它们可以朝着正确的方向迈出一大步。译自AI Coding Assistants: 12 Do’s and Don’ts,作者 Peter Guagenti。使用生成式 AI (GenAI) 的编码助手正在改变软件开发的游戏规则,是该行业几十年来经历的最大的一次飞跃。在 IDC 最近的一项调查中,56% 的开发人员表示他们正在试验 AI 编码助
AI_dev 大会展示了面向开发者的开放模型工具和 Docker WebGPU 支持,但 PyTorch Rust 集成不在议程上。译自PyTorch, Docker and AI Openness Highlight AI_dev Europe,作者 Joe Fay。巴黎——PyTorch的联合创始人上周告诉开源 AI 开发人员,该项目曾考虑在 AI 框架和包括Rust和JavaScript在内
利用人工智能驱动的聊天机器人实现信息检索自动化,可防止工程师充当同事的“人工搜索引擎”。译自How the ‘Human Search Engine’ Trap Killed Productivity,作者 Dev Nag。在当今快节奏的技术世界中,有一个无声的杀手正在扼杀你的工程团队的生产力:“人类搜索引擎”陷阱。想象一下:你最优秀的工程师,那些你依靠他们来创新和解决复杂问题的工程师,不断被同事
Astro 做到了。React 全力以赴。就像复古的妈妈牛仔裤,HTML action 又从 20 世纪 90 年代回来了。以下是它们风靡一时的原因。译自Why HTML Actions Are Suddenly a JavaScript Trend,作者 Loraine Lawson。Action 并不新鲜。但它们正在复兴——如果你愿意的话,可以称之为——在 JavaScript 前端世界中。在
AMD、博通、思科、谷歌、HPE、英特尔、Meta 和微软组建超加速器链路 (UALink) 推广者小组,以对抗 NVIDIA NVLink。译自AMD, Broadcom, Cisco, Google, HPE, Intel, Meta and Microsoft Form Ultra Accelerator Link (UALink) Promoter Group to Combat NVID
随着我们探索人工智能和开源的复杂性,培养一个接受坦诚反馈和迭代改进的社区至关重要。译自Transparency and Community: An Open Source Vision for AI,作者 Amanda Kelly。开源软件是每个人生活的一部分。一项看似平凡的任务,例如发送电子邮件,其神奇之处归功于开发人员的协作贡献,包括对基础技术的贡献者,例如 Linux 操作系统和 Apach
使用 LangChain 社区、Mixtral 8-7B 和 ChromaDB,利用向量数据库检索和语义搜索开发一个功能强大、直观的聊天机器人。译自Building Smarter Chatbots With Advanced Language Models,作者 Mikhail Khlystun。聊天机器人的发展正在迅速演变,新的工具和框架让构建复杂系统变得更加容易和高效。但当前的大型语言模型
深入了解 LLM 中的函数调用,以及我们适合函数调用的商业和开源 LLM 列表。译自A Comprehensive Guide to Function Calling in LLMs,作者 Janakiram MSV。减少大型语言模型中幻觉的已验证技术之一是检索增强生成,或 RAG。RAG 使用检索器搜索外部数据,在将提示发送到生成器(即 LLM)之前,使用上下文对提示进行增强。虽然 RAG 是最
这家半导体公司专注于支持云原生 AI 应用程序开发,提高规模化性能并消除“嘈杂邻居”。译自Inference Is Table Stakes. That's a Good Thing for Ampere,作者 Alex Williams。巴黎 —基于 ARM 架构制造 CPU 的制造商Ampere正在利用推理作为一大亮点,让人们了解其存在。AI 训练是一个批处理工作流,但推理在以 AI 为重点的
通过考虑这些建议,IT 领导者可以推动人工智能计划,尽管他们面临着障碍和压力。译自The Art of Merging Legacy Tech and Modern AI-Driven Infrastructure,作者 Jeremiah Stone。对于 IT 领导者来说,现在是艰难的时刻。“以更少的投入做更多的事情”的号召甚至不足以形容这一挑战的巨大性。从本质上来说,IT 领导者被要求仅利用现
治理越强大,员工在不给公司带来额外风险的情况下自由探索数据的可能性就越大。译自Implementing Robust AI Governance for Data Democratization,作者 Christian Kleinerman。生成式 AI 的快速兴起让更多人能够释放数据的力量,获得新的见解并做出更好的决策,但授予更广泛的数据访问权限需要制定数据治理策略。能够平衡这些看似对立的趋势
将矢量数据库与 SQL 相结合可以提供构建现代生产级 GenAI 应用程序所需的准确性和性能。译自SQL Vector Databases Are Shaping the New LLM and Big Data Paradigm,作者 Linpeng Tang。像 GPT-4、Gemini 1.5 和 Claude 3 这样的强大大型语言模型 (LLM) 的兴起已成为人工智能和技术领域的颠覆者。
API 管理平台 Postman 11 版本为支持 AI 的 API 提供了更好的支持,并提供了与 API 合作伙伴进行通信的新工具。译自New Postman Release Supports AI API Development With ... AI,作者 Loraine Lawson。人工智能可能是未来的浪潮,但 AI 作为开发工具的使用取决于 API。这就是为什么更好的API 管理将成为
通过采用模型优先的心态、优化利用率和战略性地运用负载平衡,首席信息官可以缓解芯片短缺。译自How CIOs Can Battle GPU Poverty in the Age of AI,作者 Liam Crilly。人工智能时代的淘金热已经到来,但对于许多公司来说,鹤嘴锄却处于缺货状态。随着人工智能需求的激增,一种被称为“GPU 匮乏”的现象正在困扰 CIO,其速度超过了建立数据中心以及更重要的
更好的沟通是否可以避免外包项目中的问题和障碍?很有可能。译自7 Tips for Fostering Stronger Communication in Outsourced Projects,作者 Liz Ryan。想象一下:在一次重大软件发布的前夜,你坐在那里思考这个项目,并自问,“我们是怎么走到这一步的?”在模棱两可的项目需求和优先级、过多时间花在事后修复问题以及与外包团队成员的困难关系等挑
随着组织在其产品中添加人工智能,数据工程师将成为扩展基础设施和治理以纳入新模型和技术不可或缺的一部分。译自3 Reasons Data Engineers Are the Unsung Heroes of GenAI,作者 Barr Moses。在过去 18 个月中,生成式 AI 的进步在董事会和商业领袖中引起了强烈的兴趣。截至 9 月,87% 的 C 级高管IDC 调查表示他们至少在探索潜在用例
检索增强生成促进了 LLM 和实时 AI 环境的彻底改造,以产生更好、更准确的搜索结果。译自How RAG Architecture Overcomes LLM Limitations,作者 Naren Narendran。在本系列的第一部分中,我重点介绍了各个行业和地区的组织对生成式 AI 和大型语言模型 (LLM)的日益增长的采用。公司坚信,实时 AI 应用程序是强大的引擎,可以帮助他们提升数
在设计一个特定于领域的企业级会话式问答系统来回答客户问题时,Conviva 发现要么/要么的方法是不够的。译自Improving LLM Output by Combining RAG and Fine-Tuning,作者 Haijie Wu; Junhwi Kim。大语言模型 (LLM)和会话式 AI 具有让应用程序更易于使用的巨大潜力,特别是对于新用户而言。它们可以回答有关产品的问题、协同操作
开发者倡导者 Rizel Scarlett 在本周的 InfoBip Shift 上分享了如何让 AI 编码助手更有效、更高效。译自5 Strategies for Better Results from an AI Code Assistant,作者 Loraine Lawson。与所有 GenAI 一样,Copilot 也是非确定性的;这意味着它们的结果会有所不同。但根据Rizel Scarl
围绕开源模型构建您的 AI 应用程序可以使它们变得更好、更便宜、更快。译自How to Beat Proprietary LLMs With Smaller Open Source Models,作者 Aidan Cooper。简介在设计使用文本生成模型的系统时,许多人首先会转向专有服务,例如 OpenAI 的 GPT-4 或 Google 的 Gemini。毕竟,这些是目前最大、最好的模型,那么
向量数据库使企业能够以经济且可持续的方式调整通用大型语言模型以供组织特定使用。译自How to Cure LLM Weaknesses with Vector Databases,作者 Naren Narendran。多年来,人们一直在猜测人工智能对企业产生的潜在影响。现在,我们看到来自不同行业的公司开始利用大型语言模型 (LLM)和生成式人工智能 (GenAI)。麦肯锡认为,全球经济可能从 Ge
企业可以使用以下策略来防止范围蔓延,并为所有相关方取得成功。译自Preventing Scope Creep: Guide for Managing Outsourced Teams,作者 Liz Ryan。随着企业不断寻找省钱的方法,外包给外部合作伙伴已成为一种经济高效的解决方案,可让团队获得专业知识并加快交付速度。但这种做法并非没有挑战——其中之一便是范围蔓延。范围蔓延是指项目最初目标不受控制
它简化了应用程序和 AI 模型之间的交互,并提供了一种管理安全、治理、可观察性和成本管理的方法。译自What Is an AI Gateway and Do You Need One Yet?,作者 Liam Crilly。如果你正在阅读本文,那么你几乎 100% 已经尝试过 AI 应用程序,并且正在从事一份工作,其中你已经尝试过AI 应用程序。从 GitHub Copilot 到Microsof
Apache NiFi 最新版本中内置的 Python 处理器可以简化数据处理任务,增强灵活性并加快开发速度。译自Apache NiFi 2.0.0: Building Python Processors,作者 Robert Kimani。Apache NiFi是一个专门用于数据流管理的强大平台,它提供了许多旨在提高数据处理效率和灵活性的功能。其基于 Web 的用户界面为设计、控制和监控数据流提供
借助 JSON 和 CTE 等现代 SQL 功能,大型语言模型可以成为帮助加速学习和工作的“推理伙伴”。译自The Future of SQL: Conversational Hands-on Problem Solving,作者 Jon Udell。如果你像我几年前一样,在长时间离开后重返 SQL,那么有重要的变更需要了解。首先,JSON。现在,许多面向 SQL 的数据库都支持JSON 列,用于
本文介绍了如何使用 Python 调用 ffmpeg 和 Gemini 实现电影字幕的翻译。效果可以看“效果展示”部分。背景不久前离开上家公司了,又恢复了自由身,之前的几个工作都几乎是无缝切换,少了一些思考,这一次决定先好好想想,可以放松的搞一点自己觉得好玩的东西。买了个 NAS,发现工作中的 IT 技能终于用到了生活中,其中首先是关于电影的中文字幕。拿到 NAS 的第一步就是开始疯狂的下载 4K
通过最大程度地减少干扰并确保快速获取信息,聊天机器人可以帮助团队专注于交付高质量的软件。译自How an AI Chatbot Can Boost Developer Productivity,作者 Asmitha Rathis。在快节奏的软件开发领域,有效的沟通和高效的知识管理对于成功至关重要。随着聊天机器人的出现,一级沟通取得了重大进展,但工程团队仍然面临着独特的挑战,这些挑战可能会阻碍工作效
在 Google Cloud Next '24 上,Google 展示了其对所有 AI 事物的持续投入,形式是若干新的开发者工具和新的以 AI 为重点的芯片。译自Google Vaunts New Gemini Code Assist Tool at Cloud Next 2024,作者 Chris J Preimesberger。Google 的 Cloud Next 2024活动将于 4 月
预计 Gemini 在 Google Cloud 数据库产品中的可用性将帮助开发者比去年集成的 Duet AI 更快地编写代码和迁移。译自Google adds Gemini to databases to aid faster code development, migration,作者 Anirban Ghoshal。Google Cloud 宣布,其数据库产品(包括 Bigtable、Spa
人工智能模拟人类解决故障的方法,可以实现民主化,并改善人们识别和修复 Kubernetes 问题的方式。译自2 Ways AI Assistants Are Changing Kubernetes Troubleshooting,作者 Blair Rampling。在围绕 AI 的所有喧嚣中,最误导人的部分是对微调大型语言模型 (LLM) 的坚持。太多人认为,基于大量特定领域数据对模型进行专门化是
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号