We're sorry but react app doesn't work properly without JavaScript enabled. Please enable it to continue.
文档
备案
控制台
登录
立即注册
首页
文章
问答
视频
活动
下载资源
团队号
镜像站
发布
PaperAgent
文章
专栏
问答
PaperAgent
下一代RAG:54种RAG-大模型推理协同技术最新全面综述
AI
大模型
向量数据库
机器学习
日更,解读AI前沿技术热点Paper
9
0
0
0
PaperAgent
大爆发:Qwen、DeepSeek、小米组团开源最新推理大模型
大模型
大模型
向量数据库
云安全
日更,解读AI前沿技术热点Paper
11
0
0
0
PaperAgent
比R1快8倍,智谱开源GLM-Z1系列,实测 Agentic AI 也能极速深度推理!
技术
技术
日更,解读AI前沿技术热点Paper
80
0
0
1
PaperAgent
智能体记忆:大脑(不做7s记忆的鱼)
AI
向量数据库
大模型
数据库
具有记忆(Memory)功能的AI智能体(Agent)能够保留上下文,识别随时间变化的模式,并根据过去的互动进行适应:Short-term memory、Long-term memory。短期记忆短期记忆(STM)使智能体能够记住最近的输入,以便进行即时决策。这种类型的记忆在对话式AI中非常有用,因为需要在多次交流中保持上下文。例如,一个能够记住会话中先前消息的聊天机器人可以提供连贯的回应,而不是
32
0
0
0
PaperAgent
再见Workflows,你好Agentic Workflows!
AI
大模型
向量数据库
机器学习
AI Agents、Agentic AI、Agentic 架构、Agentic 工作流,Agents 无处不在。但它们究竟是什么?它们真的能做些什么吗?新技术带来了混乱的术语、不切实际的期望以及自封的在线专家。将穿透围绕 AI Agents 的噪音和炒作,解释并阐述 Agentic AI 的一个关键要素: Agentic 工作流(Workflows) 。Agents 本身几乎无法完成什么任务。它们
36
0
0
0
PaperAgent
8大类,100+技术:大模型 AI Agents 优化最新综述
AI
大模型
向量数据库
火山方舟
LLM优化技术在许多通用任务中提升了模型性能,但缺乏针对 AI Agents 关键功能(如 长期规划、动态环境交互和复杂决策 )的专门优化。为此,华东师大等提供了对 LLM的AI Agents优化 方法的全面回顾,将其分为 参数驱动 和 非参数驱动 。15类AI Agents优化方法。参数驱动优化 :涵盖基于微调的优化、基于强化学习的优化以及混合策略,非参数驱动策略 :提示工程和外部知识检索。一、
39
0
0
0
PaperAgent
智能体工作流:自动化生产线
AI
大模型
向量数据库
云存储
工作流(Workflows)是为实现特定任务或目标而设计的一系列相互关联的步骤。最简单类型的工作流是确定性的,这意味着它们遵循预定义的步骤序列,并且无法适应新信息或变化的条件。有些工作流利用了 LLM 或其他机器学习模型或技术。这些通常被称为 AI 工作流,可以是 Agentic 或非 Agentic 的。在一个非 Agentic 的工作流中,LLM 通过指令提示生成输出。Agentic 工作流是
49
0
0
0
PaperAgent
DeepSeek与Qwen组团开源了模型,冲!
大模型
大模型
向量数据库
容器
几乎就在同一天,两个国内著名大模型厂商DeepSeek与阿里通义千问组团开源了模型:DeepSeek-V3-0324( 更美观的网页和游戏前端 ),Qwen2.5-VL-32B-Instruct( 以小博大 ):Qwen2.5-vl-32B模型72B 对 VLM 来说太大?7B 不够强!那么可以使用32B 模型响应更符合人类偏好:调整输出样式以提供更详细、格式更好的答案,使其更符合人类偏好。数学推
24
0
0
0
PaperAgent
第一篇100种多模态CoT推理技术最新综述
AI
火山方舟
向量数据库
大模型
多模态链式思考(MCoT) 推理最近受到了广泛关注,但面对图像、视频、语音、音频、3D等不同模态中数据仍面临独特挑战。通往AGI:CoT->MCoT->R1-Omni(R1/o1)新加坡国立大学&香港中文大学等提供了 第一份关于MCoT推理的系统性综述 ,阐明了相关的基础概念和定义,提出了一个全面的分类体系,并从不同角度深入分析了当前的各种方法。约100种多模态链式思考(MCoT)推理的发展时间线
38
0
0
0
PaperAgent
AI Agents全栈技术框架综述与未来
AI
大模型
向量数据库
云通信
40张图,拆解10余种 LLM Agents全栈技术:主要组件、Multi-Agent框架、以及MCP
34
0
0
0
PaperAgent
智能体人设与编排:导演
AI
大模型
向量数据库
云存储
“智能体”可以有多种定义,可以将其定义为完全自主的系统,这些系统能够在较长时间内独立运行,使用各种工具来完成复杂的任务;也可以用它来描述遵循预定义工作流程的更为规范的实现方式。所有这些变体都可归类为智能体系统,但这其中重要的架构区分是:工作流(workflow)是通过预定义的代码路径来协调 LLM(大型语言模型)和工具的系统。智能体(Agent)则是 LLM 动态指导自身流程和工具使用的系统,它们
34
0
0
0
PaperAgent
重磅,微软LazyGraphRAG正式开源及实现细节剖析!
AI
大模型
向量数据库
NoSQL数据库
微软GraphRAG自提出,已历时快一年,PaperAgent对其发展历程进行了专门梳理与总结:去年4月,为解决传统RAG在 全局性的查询总结 任务上表现不佳,微软多部门联合提出Project GraphRAG(大模型驱动的KG);去年7月,微软正式开源GraphRAG项目,引起极大关注,至今23.2k star,但落地时却面临巨大成本痛点(具体: LLM用于实体关系抽取+描述,社区总结 );去年
129
0
0
0
PaperAgent
设计自己的满血版DeepSeek-R1+知识库
AI
大模型
向量数据库
云存储
企业有大量长期沉淀下来的私域知识,比如规章制度、招投标书、客户服务资料,销售文案等等。Coze中有三种格式接入企业知识:文本 :将文档、URL、三方数据源上传为文本知识库后,用户发送消息时,智能体能够引用文本知识中的内容回答用户问题。表格 :用户上传表格后,支持按照表格的某列来匹配合适的行给智能体引用,同时也支持基于自然语言对数据库进行查询和计算。照片 :照片上传到知识库后自动/手动添加语义描述,
29
0
0
0
PaperAgent
插件:多功能瑞士军刀
云原生
大模型
向量数据库
关系型数据库
智能体依赖于大模型,而 LLM 的知识在训练时就已经固定,无法直接与外部系统(如API或数据库)进行交互。为了克服这些局限性,出现了大模型ReAct框架和 函数调用 (Function Call)两种方案,它们能够进行推理、采取行动以及与外部系统进行交互。ReAct框架 , 它遵循推理与行动的连续循环,工作原理如下:输入 :智能体接收自然语言的任务描述,输入到核心LLM中。推理 :LLM将任务分解
13
0
0
0
PaperAgent
单智能体-企业员工AI助理
大模型
大模型
向量数据库
企业应用
单智能体设计逻辑:从0到1设计一个用于企业内部员工使用的AI助理,并将智能体的大模型、插件、工作流、知识库、记忆等串联起来,AI助理能力假设:提供公司内部的规章制度咨询服务;提供员工办公提效能力;对接到公司的OA系统,提供考勤、员工信息查询。一步一步设计满足功能需求的企业员工AI助理,基本工作流程如下图:1、创建智能体:企业员工AI助理
38
0
0
0
PaperAgent
智能体概念
云原生
大模型
向量数据库
云存储
智能体(Agent)是指能够感知环境、根据感知做出决策并执行行动以实现特定目标的系统。在人工智能领域,Agent通常需要具备自主性、交互性、适应性和目标导向等特点。Agent可以是单一模态的,如仅处理文本信息的聊天机器人,也可以是多模态的,即能够理解和生成包括视觉、听觉等在内的多种类型的数据,Agent也可以是多个协同分工共同来解决复杂任务。根据智能体数量与能力,可以分为: 单一智能体、多模态智能
35
0
0
0
PaperAgent
王炸组合:微信接入满血DeepSeek R1,背后的Agentic RAG技术~
AI
大模型
向量数据库
云通信
终于,昨天微信以“AI 搜索”的形式接入了满血版DeepSeek R1,目前灰度测试ing,其中“深度思考”模式由DeepSeek-R1模型经过长思考而提供的更全面的回答:目前DeeSeek-R1是 不支持function call 的,微信接入DeepSeek-R1可以采用 Agentic RAG 的方式,那么一个通用的AI Agentic(RAG)框架如何设计尼?本文进行专门剖析:另外,如
127
0
0
0
PaperAgent
动手设计自己的满血版DeepSeek-R1+联网智能体
云原生
向量数据库
大模型
数据库
DeepSeek-R1无法联网,利用Agentic RAG来实现
73
1
0
0
PaperAgent
DeepSeek R1 + Agent 的下半场
云原生
大模型
向量数据库
机器学习
DeepSeek火在多重因素叠加:R1 低成本达到OpenAI o1的效果 + 技术创新且Open AI(大家都在一个起跑线) + 产品Open CoT/文笔深厚 + 国产 + 等等。DeepSeek R1使用示例prompt模版一、DeepSeek 市场影响DeepSeek 的开源策略对AI市场产生了结构性冲击,从市场分层来看(这里参考拾象-李广密大佬的分类,做了进一步扩展):ToC :影响最大
425
0
0
0
PaperAgent
动手设计智能体:Coze版
AI
向量数据库
大模型
机器学习
Agents是一个复杂的工程系统,精髓在于依据业务场景“设计”Agents:1、角色定位、任务编排设计2、插件名称、参数、描述设计3、知识库、LLM、插件知识冲突4、workflow设计5、workflow or 任务编排?6、长期、还是短期记忆?7、一个、还是多个智能体?8、多个插件,还是多个智能体?9、多智能体协作设计基于此,PaperAgent团队从产品与算法两个维度准备了专栏学习教程:算法
117
0
0
0