نویسنده (ها): به سمت تیم تحریریه AI
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر
صبح بخیر ، علاقه مندان به او ،
شماره این هفته همه چیز در مورد ساخت سیستم های هوش مصنوعی است که می توانند بهبود یابند. این که آیا این یک پرس و جو است که نیاز به مسیریابی مجدد دارد ، گامی بازیابی که این مارک را از دست داده است ، یا یک الگوی سیاستی که بیش از حد تغییر می کند ، این مسئله با تکنیک هایی بسته بندی شده است که همه چیز را پایدار و هوشمندانه نگه می دارد.
در AI ، ما دومین درس رایگان را از 10 ساعته خود به اشتراک می گذاریم LLM آغازگر: یک پیاده روی 2 ساعته در مورد چگونگی غلبه شرکت ها LLM محدودیت ها از طریق تکنیک هایی مانند Rag ، تنظیم دقیق و مهندسی بهتر در سطح جهانی. ما به خط لوله معمولی می پردازیم که یک شرکت از یک فوریت ساده به پیشرفته ترین سیستم در محل خود می گیرد و به شما کمک می کند تا بدانید که چه چیزی را آزمایش کنید و به چه ترتیب. ما همچنین شیرجه می زنیم:
- چگونه RAG اصلاحی پرس و جوهای بد را بازنویسی می کند و دوباره برای اسناد بهتر جستجو می کند
- چگونه PPO مدل های قیمت گذاری در زمان واقعی را در محیط های بی ثبات تطبیق می دهد
- چگونه مسیرهای خاردار تطبیقی مبتنی بر پیچیدگی است و با حلقه های بازخورد ساخته شده است
- و نحوه ساخت بازیابی Doc Financial با قدرت LLM با استفاده از Gemini + Llamaindex
یک دستیار قانونی قانونی از جامعه ، موضوعات جدید Collab را اضافه کنید ، و نظرسنجی این هفته در مورد آنچه در آینده برای MCP آمده است-و شما یک مسئله خوب و متمرکز بر مهندسی دارید.
بیایید وارد آن شویم.
هفتگی AI چیست
این هفته ، در AI چیست، من درس دوم رایگان را از ما به اشتراک گذاشته ام آغازگر ویدیوی 10 ساعته LLM دوره در 2 ساعت ، من در مورد چگونگی غلبه بر محدودیت های LLM ها و مهار قدرت آنها از طریق تکنیک هایی مانند RAG ، تنظیم دقیق ، خروجی های ساختاری و موارد دیگر ، به دنبال مسیر معمولی که یک شرکت برای دستیابی به این هدف طی می کند ، بحث خواهم کرد. اگر 2 ساعت فرصت ندارید … 10 مورد اصلی را از این جلسه در اینجا بخوانید یا جلسه کامل را در YouTube تماشا کنیدبشر
-لوئیز فرانسوا بوچارد ، به سمت بنیانگذار AI و رئیس جامعه
بخش جامعه را با هم بیاموزید!
پست برجسته جامعه از Discord
phantom_80757 یک دستیار سند هوش مصنوعی ساخته است. این امر به ویژه برای موسسات حقوقی مفید خواهد بود و شامل ویژگی هایی از قبیل مخزن مستند حقوقی متمرکز ، بررسی حقوقی آگاه ، تولید اسناد دارای هوش مصنوعی ، تکمیل الگوی هوشمند و استدلال مبتنی بر پرونده است. اینجا را بررسی کنید و از یک عضو جامعه دیگر حمایت کنید. اگر سوالی یا بازخورد دارید ، آنها را در موضوع به اشتراک بگذارید!
نظرسنجی AI هفته!
81 ٪ می گویند MCP برای ماندن در اینجا است و صادقانه ، این معنی دارد. اگر AI قصد دارد از نسخه ی نمایشی به سمت استقرار حرکت کند ، از Chatbots به مأمورین ، چیزی مانند MCP تقریباً اجتناب ناپذیر است.
اگر در MCP شرط بندی می کنید (یا چیزی شبیه به آن) ، می خواهید از بعدی چه چیزی را پشتیبانی کنید: ابزار ، گردش کار یا لایه های امنیتی؟ و اگر شک و تردید دارید ، چه چیزی از دست رفته است؟ در موضوع به اشتراک بگذارید!
فرصت های همکاری
جامعه Discord Learn Ai Together با فرصت های همکاری پر شده است. اگر از شیرجه رفتن به هوش مصنوعی کاربردی هیجان زده اید ، یک شریک مطالعه می خواهید ، یا حتی می خواهید برای پروژه Passion خود شریک پیدا کنید ، به کانال همکاری بپیوندید! به این بخش نیز توجه داشته باشید – ما هر هفته فرصت های جالب را به اشتراک می گذاریم!
1 گابریلایو به دنبال یک همکار با تجربه دورتر است. به موضوع دسترسی پیدا کنید برای کسب اطلاعات بیشتر در مورد پروژه.
2 quixy8330 در حال راه اندازی یک تیم کوچک برای توسعه و فروش سیستم های اتوماسیون هوش مصنوعی (مانند N8N ، GPT و Chatbots) به مشاغل محلی است. اگر می خواهید در این فضا یاد بگیرید و بسازید ، با او در موضوع ارتباط برقرار کنید!
3 فرانسیس در حال ساخت جامعه ای از DEVS اتوماسیون N8N است و به دنبال مهندسین اتوماسیون است که گردش کار مفیدی را برای بخشی از گروه دسترسی اولیه ما ساخته اند. جزئیات بیشتری را در موضوع پیدا کنید!
Meme of Week!
Meme به اشتراک گذاشته شده توسط گودالر
بخش سرپرستی تای
مقاله هفته
بهینه سازی سیاست پروگزیمال در عمل: قیمت گذاری در زمان واقعی با یادگیری منطقه اعتماد از طرف شنگگانگ لی
در این مقاله به بررسی کاربرد بهینه سازی سیاست پروگزیمال (PPO) برای قیمت گذاری پویا و در زمان واقعی می پردازیم. این توضیح می دهد که چگونه PPO از یک هدف جانشین شده برای حفظ ثبات یادگیری استفاده می کند ، و از تغییر سیاست های بی ثبات در روش های استاندارد بازیگر-انتقادی جلوگیری می کند. این یک مطالعه موردی عملی را ارائه می دهد که در آن از PPO برای تعیین هزینه های تحویل بر اساس داده های تاریخی ، فاکتورسازی در تقاضا ، عرضه و شرایط آب و هوایی استفاده می شود. نتایج نشان می دهد که PPO بر خلاف یک مدل استاندارد بازیگر انتقادی ، که یک رویکرد سفت و سخت و پرخطر را اتخاذ کرده است ، یک استراتژی قیمت گذاری متعادل و سازگار تولید می کند.
مقالات باید بخوانید
1 اشکال اصلاحی: چگونه می توان نسل بازیابی خود را اصلاح کرد از طرف سای بهارگاو رالاپالی
این وبلاگ Rag Correction (CRAG) را ارائه می دهد ، روشی برای بهبود نسل سنتی بازیابی. CRAG یک مکانیسم خود تصحیح را که ارتباط اسناد بازیابی شده را ارزیابی می کند ، ادغام می کند. اگر اسناد ناکافی باشند ، سیستم می تواند پرس و جو را بازنویسی کرده و قبل از ایجاد پاسخ ، جستجوی وب را برای زمینه بهتر انجام دهد. این یک راهپیمایی فنی برای ساخت خط لوله Crag با استفاده از Langchain و Langgraph ، با کد برای هر مرحله از فرآیند فراهم می کند.
2 ساختن یک سیستم بازیابی گزارش مالی با Llamaindex و Gemini 2.0 از طرف بینش و نوآوری های آدی
یک راهنمای گام به گام برای ساختن یک سیستم نسل بازیابی-آگوژ (RAG) برای اسناد مالی ارائه شد. نویسنده از LlamainDex برای پردازش و فهرست بندی گزارش مالی شرکت استفاده می کند و داده ها را در یک بانک اطلاعاتی بردار Chromadb ذخیره می کند. سپس این سیستم از LLMS ، از جمله Gemini 2.0 ، به یک موتور پرس و جو که به طور دقیق به سؤالات کاربر پاسخ می دهد ، استفاده می کند. همچنین یک روش مسیریابی را معرفی می کند که به صورت پویا بین یک ابزار جستجوی بردار برای نمایش داده شدگان خاص و یک ابزار خلاصه برای موارد گسترده تر انتخاب می کند.
3 Rag Adaptive: چارچوب هوشمند و خود اصلاح برای نمایش داده های پیچیده هوش مصنوعی از طرف سای بهارگاو رالاپالی
برای تقویت نحوه پاسخگویی به سیستم های AI به سؤالات ، این مقاله یک چارچوب نسل بازیابی تطبیقی (RAG) را تشریح می کند. این روش از یک سیستم مسیریابی هوشمند برای تجزیه و تحلیل پیچیدگی پرس و جو و انتخاب مناسب ترین منبع داده استفاده می کند. این قابلیت اطمینان را با یک حلقه بازخورد افزایش می دهد که نمرات اسناد را بازیابی می کنند ، بررسی می کنند که توهم را بررسی می کنند و در صورت عدم موفقیت نتایج اولیه ، نمایش داده ها را بازنویسی می کنند. این یک راهپیمایی جامع را ارائه می دهد ، که نشان می دهد نحوه ساخت این سیستم با استفاده از کد با Langchain و Langgraph را نشان می دهد.
اگر علاقه مند به انتشار با AI هستید ، دستورالعمل های ما را بررسی کرده و ثبت نام کنیدبشر اگر این سیاست ها و استانداردهای تحریریه ما را رعایت کند ، کار شما را به شبکه خود منتشر خواهیم کرد.
منتشر شده از طریق به سمت هوش مصنوعی
