AI学习之路
提供一个全面而系统、易于掌握的人工智能学习路径,旨在帮助你从基础知识到实际应用,全面掌握AI的各个方面。更关键的是,我们希望能激发到你思考,如何利用人工智能来增强个人能力,探索“我如何通过 AI 变得更强”的答案。
❤ ️❤ ️❤ ️❤ ️❤ ️
入门文章 《ChatGPT在做什么,为什么它能够成功?》
《解析 Tansformer 模型—理解 GPT-3、BERT 和 T5 背后的模型》
《如何写出高质量的 Prompt?》
通识
《2023:AI 的一年》
《全球 100 位 AI 领军人物 —《时代周刊》》
《对不久的未来的一些展望》
摘要:VSCode 核心开发吕鹏写的《对不久的未来的一些展望》值得看看 ,主要提了几点:
- 可用的本地小模型将成为智能设备不可缺的核心组件
- GPT 3.5/4 能力的模型使用”成本”会急剧下降
- 混沌的就业/工作机会
《Elon Musk(埃隆·马斯克):被误解的领袖》
《2024 年初的大语言模型编程实践》
摘要:这篇文章值得看看,像 Redis作者 Antirez 这样的顶级程序员都在借助大语言模型写程序!
Antirez 使用 ChatGPT 这样的语言辅助编程的做法很典型:
- 对于不熟悉的语言或者类库,避免了查询文档,直接让 GPT 给出解释或者生成代码
- 写临时代码,对于一些一次性代码,就不用费心费力去自己写,让 LLM 帮忙生成,质量还不错 当然 Antirez 也发现了一些局限:
- 对于复杂的代码,比如写个布隆过滤器,目前质量还不够好!
- 上下文长度不够 Antirez 的建议:
- 现今程序员没理由不去使用 LLM 辅助编程
- 正确地向大模型提问是一项关键技能,学会向 LLM 提问也有利于提升程序员的沟通能力
- 把 LLM 当做一种压缩文档(不能完全替代文档,毕竟有幻觉)来使用
《技术写作手册 - thoughtworks》 摘要:thoughtworks 出品的技术写作手册
人工智能技术文章
RAG 检索增强生成技术
《构建高级 RAG 的指南和技巧》
摘要:我们发布了一个综合图表,概述了高级 RAG 的所有不同组件、它们解决的痛点以及 LlamaIndex 资源的链接。以下是激发高级 RAG 的一些核心概念:
《高级 RAG 技术:图解概览》
摘要:本文全面研究了高级检索增强式生成技术 (RAG) 及其算法,系统地整理了各种方法。文章中还包含了我知识库中与提到的各种实现和研究相关的链接集。
AI Agents
《什么是AI Agents?深入了解未来的 AI 界面》
《基于大语言模型的AI Agents—Part 1》
《基于大语言模型的AI Agents—Part 2》
《基于大语言模型的AI Agents—Part 3》
《LLM 驱动的自主 Agents》
《Voyager:「我的世界」中的 Agent》
大模型
《GPT-4V(视觉版) 系统卡片》
摘要:OpenAI在发布GPT-4V的时候,有一篇论文:《GPT-4V(ision) System Card》,对于GPT-4V的能力有详尽的介绍。
《大语言模型在自主化学研究中的应用》
《GPTs》
摘要:一个 GPTs 的 Prompt 公开列表
- 添加了 Gemini、Mistral 7B 和 Phi-2 的全面提示指南
- 提示链接技术的新指南
- 函数调用的新指南
- 用于 RAG、函数调用和其他提示技术入门的 Python 笔记本
- 宣布设立一个新部分来记录和发现新的 LLM 研究成果;这是一项正在进行的工作,但将在未来几周内大幅增长
项目简介
- 文件大小 4.3 MB
- 仓库大小 13.5 MB
- Pages http://tdsql.gitcode.host/theroadtoai