Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

哪种AI更擅长数学模型搭建与计算

Answer

以下几种 AI 在数学模型搭建与计算方面表现较为出色：

  1. Llama 3.1：是迄今为止最大版本，在推理、数学、多语言和长上下文任务中能够与 GPT-4 相抗衡。
  2. AlphaGeometry：在奥林匹克级几何问题基准测试中表现出色，解决了 30 题中的 25 题，接近人类国际数学奥林匹克金牌得主的表现。
  3. 由 DeepSeek、零一万物、知谱 AI 和阿里巴巴开发的中国模型：在 LMSYS 排行榜上取得了优异的成绩，尤其在数学和编程方面表现尤为出色，且中国模型更能优先考虑计算效率。
  4. MathGLM 系列模型：
    • MathGLM-2B：在训练数据充足的情况下，能够准确地执行多位算术运算，准确率几乎可以达到 100%，结果显著超越 GPT-4。
    • MathGLM-Large：采用不同变体作为骨干来训练，赋予其基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。

大型语言模型处理数学计算的一些解决办法包括：

  1. 引入编程插件：将数学问题转化为编程问题，并引入编程插件来处理。
  2. 教会模型数学法则：教导语言模型数学计算的规则。
  3. 标准化自然数加法计算 prompt 模板：创建标准模板，使语言模型按预定义规则和步骤执行加法计算。
  4. 结合图像模型：对于涉及空间概念的数学问题，结合图像模型辅助处理。
  5. 提供充足的语料和样本：为语言模型提供充足的数学计算样本和语料，让模型从中学习并改进数学计算能力。
Content generated by AI large model, please carefully verify (powered by aily)

References

2024人工智能报告｜一文迅速了解今年的AI界都发生了什么？

Llama 3.1是迄今为止最大版本，其在推理、数学、多语言和长上下文任务中能够与GPT-4相抗衡。这标志首次开放模型缩小与专有前沿的差距。上图为人们关于Llama 3.1 405B与GPT,Claude的评估，win:胜Tie:平Loss：输借助AlphaGeometry，符号推理引擎得以拯救谷歌DeepMind与纽约大学团队使用符号引擎生成了数百万条合成定理和证明，利用这些数据从零开始训练了一个语言模型。AlphaGeometry在语言模型提出新构造，与符号引擎执行推理交替进行，直至找到解决方案。令人印象深刻的是，AlphaGeometry在奥林匹克级几何问题基准测试中解决了30题中的25题，接近人类国际数学奥林匹克金牌得主的表现。第二好的AI表现仅得10分。它还展示了泛化能力——例如，发现2004年国际数学奥林匹克问题中的一个具体细节对于证明并非必要“尽管受到制裁，中国LLMs在排行榜上风头正劲”由DeepSeek、零一万物、知谱AI和阿里巴巴开发的模型在LMSYS排行榜上取得了优异的成绩，尤其在数学和编程方面表现尤为出色。中国的最强模型与美国生产的第二强前沿模型竞争，同时在某些子任务上挑战了SOTA。中国模型更能优先考虑计算效率，以弥补GPU访问的限制，并学会比美国同行更有效地利用资源。中国模型各有优势。例如，DeepSeek在推理过程中通过多头隐式注意力减少内存需求，并且改进了MoE架构。同时，零一万物更加关注数据集的建设而不是建筑创新。由于在像Common Crawl这样的流行存储库中相对缺乏数据，因此它更加关注建立强大的中文数据集来弥补不足。

问：大模型对于数学计算的一些解决办法

大型语言模型在处理数学计算时，尤其是复杂的数学问题时，可能会遇到一些困难。以下是一些解决办法，以帮助大型语言模型更好地处理数学计算：1.引入编程插件：一种解决方案是将数学问题转化为编程问题，并引入编程插件来处理。通过编写代码来执行数学计算，然后将结果返回给语言模型，以获取正确答案。2.教会模型数学法则：类似于小学生学习加法法则的方式，可以教导语言模型数学计算的规则。通过定义数学计算的规则和步骤，让语言模型学习如何正确执行数学运算。3.标准化自然数加法计算prompt模板：创建一个标准的自然数加法计算prompt模板，使语言模型能够按照预定义的规则和步骤来执行加法计算。这种方法可以帮助模型更好地理解和解决数学问题。4.结合图像模型：对于涉及空间概念的数学问题，可以结合图像模型来辅助处理。图像模型可以帮助模型更好地理解几何问题，并提供更准确的答案。5.提供充足的语料和样本：为语言模型提供充足的数学计算样本和语料，让模型能够从中学习并改进数学计算能力。通过更多的训练和数据，模型可以提高对数学问题的理解和处理能力。通过以上方法，大型语言模型可以更好地处理数学计算，并提供更准确的答案。这些方法可以帮助克服语言模型在数学问题上的一些局限性，提高其数学计算能力。内容由AI大模型生成，请仔细甄别

智谱·AI 开源模型列表

以下模型，以便用户使用我们多元化的产品。|模型|介绍|代码链接|模型下载||-|-|-|-||WebGLM-10B|利用百亿参数通用语言模型（GLM）提供高效、经济的网络增强型问题解答系统。它旨在通过将网络搜索和检索功能集成到预训练的语言模型中，改进现实世界的应用部署。|[WebGLM](https://github.com/THUDM/WebGLM)|[Huggingface](https://huggingface.co/THUDM/WebGLM)||WebGLM-2B|||[Huggingface](https://huggingface.co/THUDM/WebGLM-2B)||MathGLM-2B|在训练数据充足的情况下，20亿参数的MathGLM模型能够准确地执行多位算术运算，准确率几乎可以达到100%，其结果显著超越最强大语言模型GPT-4在相同测试数据上18.84%的准确率。|[MathGLM](https://github.com/THUDM/MathGLM)|[THU-Cloud](https://cloud.tsinghua.edu.cn/d/cf429216289948d889a6/)||MathGLM-500M|||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/c80046ec7e234be4831b/)||MathGLM-100M|||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/a6ca369a212c4df08359/)||MathGLM-10M|||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/16a914d6db2a4b8f80f5/)||MathGLM-Large|采用GLM的不同变体作为骨干来训练MathGLM，包括具有335M参数的GLM-large和GLM-10B。此外，还使用ChatGLM-6B和ChatGLM2-6B作为基座模型来训练MathGLM。这些骨干模型赋予MathGLM基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/3d138deaf93441b196fb/)|

Others are asking
软件工程师如何从ai上获得帮助
软件工程师可以从以下几个方面在 AI 上获得帮助： 1. 辅助编程的 AI 工具： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能快速提供代码建议。 通义灵码：阿里巴巴团队推出，提供多种编程相关能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，提供实时代码建议。 CodeGeeX：智谱 AI 推出的开源免费工具，基于大模型可快速生成代码。 Cody：Sourcegraph 推出，借助强大的代码语义索引和分析能力为开发者服务。 CodeFuse：蚂蚁集团支付宝团队提供的免费 AI 代码助手。 Codeium：由 AI 驱动，提供代码建议、重构提示和代码解释等帮助。 更多工具可查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可根据需求选择。 2. 生成性 AI 作为助手：模型在大量代码库上训练，在编码时给出建议，但要注意生成代码的正确性，在提高生产力的同时限制生成量以检查正确性。例如 GitHub Copilot 帮助提高了开发人员的生产力，估计增长在 2 倍或更少的范围内。 Sam Altman 的三点观察表明： 1. AI 模型的智能大致等于用于训练和运行它的资源的对数，预测这一规律的缩放定律在多个数量级上都准确。 2. 使用给定水平的人工智能的成本每 12 个月下降约 10 倍，较低价格导致使用量大幅增加。 3. 社会经济上线性提升智力的价值具有超指数性质，这一结果导致看不到指数式投资在不久将来会停止的理由。 未来可能会推出人工智能代理，如软件工程师代理人，虽然存在一些不足，但仍可能产生重大影响。生成性 AI 作为程序员助手是最早应用之一，成果出色，但相对于图像生成，生产力提升相对较小，且要注意代码正确性。
2025-02-22
工作10多年了，英语生疏了，如何利用AI学好英语应对国外出差、商务谈判
以下是利用 AI 学好英语以应对国外出差和商务谈判的一些建议： 1. 进行自然语言对话：让 AI 模拟真实的交流场景，与您进行英语对话，帮助您提高口语表达和听力理解能力。 2. 提供深入全面的解释：要求 AI 对您提出的问题和知识点提供深入的见解和全面的理解，可能的话还可以为您寻找并提供相关的网络图片来增强解释效果。 3. 构建复杂的句子：让 AI 巧妙地运用复杂的句子结构来模拟真实的人类对话，丰富语言的多样性和复杂性。 4. 创意和多样的语言运用：避免语言的重复，使用多样的短语和词汇，并适当加入幽默、讽刺等元素，展现个性化。 5. 基于事实和引用：让 AI 在回答中包含事实和著名的引语，增加回答的可信度。 6. 详细和个性化的回应：AI 的回答应包含具体而细致的内容，并根据您之前的交流历史进行个性化定制。 7. 模仿人类的不完美：偶尔让 AI 模仿人类的小拼写错误、语法错误和轻微的逻辑不一致。 8. 富有表现力和个性化的交流：让 AI 在交流中注入情感，使用随意的语言和各种语气词，展示其推理过程。 9. 多样的结构和语言格式：让 AI 采用多种句子结构和表达方式，使语言更丰富自然。 10. 分享个人故事和独特观点：让 AI 补充个人经历和独特的观点，使交流更丰富和个性化。
2025-02-22
我是一名教师，是一个AI小白，现在想系统学习相关内容，请帮我规划好
以下是为您规划的系统学习 AI 的方案： 第一阶段：迈出第一步，打好基础 1. 学习指南 系统性学习：避免碎片化输入，系统地阅读相关书籍、听取优质课程，了解 AI 的底层原理和发展历程。 2. 初步探索 避免弯路：不要仅依赖刷短视频学习，对于 B 站等平台上的内容要有选择性，注重质量高的系统性内容。 3. 加入 AI 社区 例如“通往 AGI 之路”开源知识库，参考新手指引入门。 第二阶段：深入学习 1. 了解 AI 基本概念 阅读「」，熟悉术语和基础概念，包括主要分支及相互联系。 浏览入门文章，了解历史、应用和发展趋势。 2. 开始学习之旅 参考「」，学习生成式 AI 等基础知识，推荐李宏毅老师的课程。 利用在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习，并争取获得证书。 第三阶段：选择感兴趣的模块深入 1. 领域选择 AI 领域广泛，如图像、音乐、视频等，根据兴趣选择特定模块深入学习。 掌握提示词技巧，因其上手容易且实用。 第四阶段：实践和尝试 1. 巩固知识 理论学习后通过实践巩固，尝试使用各种产品创作作品。 分享实践成果。 第五阶段：体验 AI 产品 1. 互动学习 尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解工作原理和交互方式，获取实际应用体验，激发对 AI 潜力的认识。
2025-02-22
PATHON+AI 如何应用到实际工作中，你这边有没有实际案例教学
以下是一个关于 Python + AI 在实际工作中的应用案例： 在自动驾驶车辆领域，对于 AI 系统的可解释性需求程度高度取决于具体情境，包括应用的安全关键程度。例如，设计自动驾驶车辆的技术专家需要理解系统的决策能力以进行测试、评估和改进；普通用户可能仅需了解决策过程以安全使用车辆；若车辆发生故障并导致有害结果，监管机构可能需要有关系统如何运作的信息以分配责任。尽管 AI 可解释性仍是技术挑战和活跃的研究领域，但监管机构已在开展相关工作以解决此问题。如 2021 年，ICO 和艾伦图灵研究所共同发布了关于用 AI 解释决策的指导，为组织提供了实用建议，以帮助向受其影响的个人解释由 AI 交付或协助的流程、服务和决策。
2025-02-22
我想利用ai做自媒体来销售产品从哪开始学习
如果您想利用 AI 做自媒体来销售产品，可以从以下几个方面开始学习： AI 绘画方面： 1. 个体成为自媒体博主。 2. 个体商户应用。 3. 实体印刷（如 T 恤、杯子实物等）。 4. AI 摄影。 5. 设计接单。 6. AI 定制萌娃头像。 7. 电商商品。 8. 自媒体素材。 9. AI 服装预售。 10. AI 视频接单。 11. 培训老师。 在阿里巴巴营销方面： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，快速识别关键信息。 2. 关键词优化：利用 AI 分析和推荐高流量、高转化的关键词，优化产品标题和描述。 3. 产品页面设计：借助 AI 设计工具生成吸引人的产品页面布局。 4. 内容生成：使用 AI 文案工具撰写有说服力的产品描述和营销文案。 5. 图像识别和优化：依靠 AI 图像识别技术选择或生成高质量的产品图片。 6. 价格策略：通过 AI 分析不同价格点对销量的影响，制定有竞争力的价格策略。 7. 客户反馈分析：利用 AI 分析客户评价和反馈，优化产品和服务。 8. 个性化推荐：借助 AI 根据用户购买历史和偏好提供个性化产品推荐。 9. 聊天机器人：使用 AI 驱动的聊天机器人提供 24/7 客户服务。 10. 营销活动分析：依靠 AI 分析不同营销活动的效果。 11. 库存管理：利用 AI 预测需求，优化库存管理。 12. 支付和交易优化：通过 AI 分析不同支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：借助 AI 在社交媒体上找到目标客户群体，进行精准营销。 14. 直播和视频营销：利用 AI 分析观众行为，优化直播和视频内容。 AI 写作方面： 1. 项目启动：确定目标客户群体，选择合适的 AI 写作工具。 2. 准备阶段：学习并实践 AI 写作技术，构建团队。 3. 商业模式构建：确定服务内容，制定质量控制标准。 4. 运营与推广：在电商平台开设店铺，建立写作培训社群，通过社交媒体和线下活动进行品牌和社群建设，与其他团队合作。 5. 项目优化与发展：持续关注 AI 技术进展，根据市场需求拓展新服务和产品，收集客户反馈并改进服务。
2025-02-22
小白如何学ai
对于小白学习 AI，以下是一些建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，其上手容易且有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库中有很多实践后的作品、文章分享，欢迎实践后进行分享。 5. 体验 AI 产品： 与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）进行互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 6. 持续学习和跟进： AI 是快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 此外，还可以参考《雪梅 May 的 AI 学习日记》，其适合纯 AI 小白，作者的学习模式是输入→模仿→自发创造，学习资源免费开源。但需注意学习内容可能因 AI 发展而变化，应在 waytoAGI 社区发现自己感兴趣的领域，学习最新内容。同时，学习状态和时间安排因人而异，不必有压力，能学多少算多少。
2025-02-22
目前我有个数据源头，可能是excle或mysql数据库。他们都含义以下字段： 发货日期 物料编号 物料描述 板块 实际已交货量 销售单位 金额(RMB) 金额(不含税RMB) 国家 品牌； 我需要创建一个智能体助手，用于分析这些数据，这个智能通助手需要能按用户需要，分析各个维度的数据，并按板块等维度汇总，并转为柱状图图表表现出现，并表现用户所有日期的近一周的变化，并阐明变化或波动是由哪些数据导致的？ 结合以上需求，我需要在飞书上构建一个企业每日利润表分析与汇报助手，该选定哪种prompt框架
很抱歉，目前飞书知识库中没有关于您所描述的这种特定需求下应选定哪种 prompt 框架的相关内容。但一般来说，构建这样的企业每日利润表分析与汇报助手的 prompt 框架可以考虑以下几个方面： 1. 明确数据来源和格式：清晰描述数据来自 Excel 或 MySQL 数据库，以及包含的具体字段。 2. 定义分析维度和指标：如按板块、国家等维度汇总数据，关注利润相关的指标。 3. 设定时间范围：明确分析近一周的数据变化。 4. 描述图表要求：指定以柱状图展示数据。 5. 解释变化原因：阐明导致数据变化或波动的关键因素。 您可以根据实际情况进一步细化和完善这个框架。
2025-02-15
我需要在飞书上构建一个企业每日利润表分析与汇报助手，该选定哪种prompt框架，提供下prompt样例
以下是几种适用于在飞书上构建企业每日利润表分析与汇报助手的 prompt 框架及样例： 1. ICIO 框架： 指令：明确执行的具体任务，如“分析企业每日利润表并生成详细报告”。 背景信息：提供执行任务的背景信息，如“企业近期业务拓展，成本有所增加”。 输入信息：大模型需要用到的一些信息，如“利润表的各项数据”。 输出信息：明确输出的具体信息的要求，如“报告以表格形式呈现，包含各项利润数据的同比和环比变化，并给出简要分析”。 2. BROKE 框架： 背景：说明背景，如“公司处于业务增长阶段，需要密切关注利润情况”。 角色：设定特定的角色，如“利润表分析专家”。 目标：明确任务的目标，如“准确分析每日利润表，为管理层提供决策支持”。 关键结果：明确可以衡量的结果，如“报告中的分析结论能帮助管理层制定有效的成本控制策略”。 调整：根据具体的情况，来调整具体的结果，如“根据市场变化调整利润分析的重点”。 3. CRISPIE 框架： 能力和角色：期望大模型扮演的角色洞察，如“专业的财务分析师”，提供幕后洞察力、背景信息和上下文。 声明：简洁明了的说明希望完成的任务，如“对每日利润表进行全面深入分析”。 个性：回应的风格、个性或者方式，如“以简洁明了、数据准确为特点”。 实验：提供多个回答的示例。 4. 情境框架： 情境：描述当前的情况，如“企业面临市场竞争，利润波动较大”。 任务：明确要完成的任务，如“分析每日利润表，找出利润波动的原因”。 行动：说明采取的行动，如“对各项收入和成本进行详细比对”。 结果：阐述期望得到的结果，如“生成包含原因分析和建议的报告”。
2025-02-14
我要查找医学论文文献，用哪种AI最合适？
如果您要查找医学论文文献，以下几种 AI 工具可能较为合适： 1. Scite.ai：这是一个为研究人员、学者和行业专业人员打造的创新平台，能增强对科学文献的洞察，提供引用声明搜索、自定义仪表板和参考检查等工具，简化学术工作。 2. Scholarcy：一款科研神器，能从文档中提取结构化数据，并通过知识归纳引擎生成文章概要，包含关键概念、摘要、学术亮点、学术总结、比较分析、局限等板块的内容。 3. ChatGPT：强大的自然语言处理模型，可以提供有关医学课题的修改意见。您可以向它提供您的文章，并提出您的问题和需求，它将尽力为您提供帮助。 此外，在论文写作领域，还有以下常用的 AI 工具和平台： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，帮助管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，可帮助精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于进行数据分析和可视化。 Knitro：用于数学建模和优化的软件，可进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化论文编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 使用这些工具时，要结合自己的写作风格和需求，选择最合适的辅助工具。请注意，内容由 AI 大模型生成，请仔细甄别。
2025-02-11
我想用AI软件生产年终总结报告，请问用哪种软件合适
以下是一些适合用于生成年终总结报告的 AI 软件及相关资源： 1. Claude Artifacts：文章《年底了，惊艳一次，用 Claude Artifacts 生成年终总结，简洁明快还能无限复用》介绍了其生成年终总结的特点，如简洁明快、可无限复用。通过编辑和实时预览功能，能一次性创建模板并不断修改使用，且改进后产出更稳定，简化创作过程。 2. 您还可以参考以下报告和文章获取更多信息： 《》 《》 《》 《》 生成式 AI 季度数据报告 2024 月 1 3 月 《》 《》
2025-01-20
哪种AI写讲稿好用
以下是为您推荐的一些好用的 AI 写作工具： 1. 对于写讲稿： Gamma：在线 PPT 制作网站，可通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式。网址：https://gamma.app/ 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出，通过输入简单文本描述生成专业 PPT 设计，有丰富模板库和设计元素。网址：https://www.xdesign.com/ppt/ Mindshow：AI 驱动的 PPT 辅助工具，提供智能设计功能，如自动布局、图像选择和文本优化等。网址：https://www.mindshow.fun/ 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术优势，提供智能文本生成、语音输入、文档格式化等功能。网址：https://zhiwen.xfyun.cn/ 2. 对于新闻写作： Copy.ai：功能强大的 AI 写作助手，提供丰富新闻写作模板和功能，可快速生成新闻标题、摘要、正文等内容。 Writesonic：专注写作的 AI 工具，提供新闻稿件生成、标题生成、摘要提取等功能，智能算法可根据信息生成高质量新闻内容。 Jasper AI：人工智能写作助手，虽主打博客和营销文案，也可用于生成新闻类内容，写作质量较高，支持多种语言。 需要注意的是，这些工具都具有智能化的算法和丰富的模板库，可以帮助您快速生成高质量的内容，但内容由 AI 大模型生成，请仔细甄别。同时，如果担心 AI 对孩子思考力产生负面影响，应正确引导使用，如将封闭性问题改为开放性问题，让孩子与 AI 共同完成任务并提交相关记录等。
2024-11-25
runway具体属于哪种赛道，怎么描述它
Runway 属于 AI 视频领域。它是一款最先推出模型的 AI 视频产品，目前仍维持着领先地位，并在不断快速迭代。 其产品定位更偏向影视、艺术表达，具有以下特点和优势： 1. 擅长真实系、风景、空间视频生成，对二次元场景支持不佳。 2. 支持绿幕场景生成、视频绿幕抠像等，方便影视制作和后期处理。 3. 7 月更新的 Gen3 支持 Alpha Turbo（更快速）和 Alpha（更强表现力）两种模式，增强了对复杂提示词描述的理解和对图像运动元素的识别，能够实现富有想象力的过渡和场景中元素的精确关键帧。还支持设置图片作为动画首帧/尾帧，但目前不支持笔刷等高级调节能力。单次生成视频时长最长可达 10 秒，可延长到 40 秒。 4. Gen3 Alpha Turbo 支持竖屏尺寸视频生成、加大力度发力视频到视频（风格转绘）能力，并表示即将推出更多控制能力。 Runway 由一家总部位于旧金山的 AI 创业公司制作，年初在互联网爆火。2023 年初推出的 Gen2 代表了当前 AI 视频领域最前沿的模型，能够通过文字、图片等方式生成 4 秒左右的视频。致力于专业视频剪辑领域的 AI 体验，同时也在扩展图片 AI 领域的能力。目前支持在网页、iOS 访问，网页端有 125 积分的免费试用额度（可生成约 105 秒视频），iOS 有 200 多，两端额度不同步。 相关链接： 1. 查看 Runway 目前支持的场景和视频案例：https://runwayml.com/product/usecases 2. Gen1 能力介绍：https://research.runwayml.com/gen1 3. Gen1 参数设置:https://help.runwayml.com/hc/enus/articles/15161225169171 4. 学习 Gen1 详细设置方式的视频：https://youtu.be/I4OeYcYf0Sc 5. 官方网站：https://runwayml.com/
2024-10-12
如何搭建自己的知识库
搭建自己的知识库可以参考以下步骤： 1. 了解 RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。 大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过检索增强生成 RAG 实现。 RAG 应用包括文档加载、文本分割、存储、检索和输出 5 个过程。 文档加载：从多种来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据及代码。 文本分割：把文档切分为指定大小的块。 存储：包括将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 检索：通过检索算法找到与输入问题相似的嵌入片。 输出：把问题及检索出来的嵌入片提交给 LLM 生成答案。 2. 文本加载器：将用户提供的文本加载到内存中，便于后续处理。 3. 基于 GPT API 搭建： 涉及给 GPT 输入定制化知识，但 GPT3.5 一次交互支持的 Token 有限。 OpenAI 提供了 embedding API 解决方案，embeddings 是浮点数字的向量，向量间距离衡量关联性，小距离表示高关联度。 4. 本地知识库进阶： 可使用额外软件 AnythingLLM，其包含 Open WebUI 的能力，并支持选择文本嵌入模型和向量数据库。 安装地址：https://useanything.com/download 。安装完成后进入配置页面，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。 在 AnythingLLM 中创建 Workspace 构建本地知识库，包括创建工作空间、上传文档并进行文本嵌入、选择对话模式（Chat 模式综合给出答案，Query 模式仅依靠文档数据给出答案），最后进行测试对话。 总之，搭建知识库需要不断实践和探索，“看十遍不如实操一遍，实操十遍不如分享一遍”。
2025-02-20
DeepSeek搭建 个人知识库
以下是关于 DeepSeek 搭建的相关知识： 对于个人知识库的搭建，您可以参考以下内容： 章节“三.使用 DeepSeek R1 给老外起中文名”：https://waytoagi.feishu.cn/wiki/O5V5wLC5Jiilpjk9j9RcAuACnZcshareDyEMdmCPOo98S6xbPfNcsuEOnuh 知识点“Node.JS 安装”：https://waytoagi.feishu.cn/wiki/O5V5wLC5Jiilpjk9j9RcAuACnZcsharePVnndBSV5oWOukx38tKcw2CPnub 申请“DeepSeek R1 API”：https://waytoagi.feishu.cn/wiki/O5V5wLC5Jiilpjk9j9RcAuACnZcshareTrXednqLAoH3VLxrUiYc1Pb9nhf 网页接入“DeepSeek API”：https://waytoagi.feishu.cn/wiki/O5V5wLC5Jiilpjk9j9RcAuACnZcshareUK5xdzhiaoo9RkxHR5bcs30pnV8 章节“一.Trae 的介绍/安装/疑难杂症”：https://waytoagi.feishu.cn/wiki/O5V5wLC5Jiilpjk9j9RcAuACnZcshareR4GvdgOzeoC9mOxd1hScuql6nVY Python 安装：https://waytoagi.feishu.cn/wiki/O5V5wLC5Jiilpjk9j9RcAuACnZcshareKcojdhid9oWJPjxAvEOczRt0nkg 一个提示词让 DeepSeek 的能力更上一层楼的相关内容： 效果对比：用 Coze 做了个小测试，大家可以对比看看，视频链接： 如何使用： 搜索 www.deepseek.com，点击“开始对话” 将装有提示词的代码发给 Deepseek 认真阅读开场白之后，正式开始对话 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担 通过提示词文件，让 DeepSeek 实现：同时使用联网功能和深度思考功能 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改 用 XML 来进行更为规范的设定，而不是用 Lisp（对我来说有难度）和 Markdown（运行下来似乎不是很稳定） 完整提示词：v 1.3 特别鸣谢：李继刚的【思考的七把武器】在前期为提供了很多思考方向；Thinking Claude 是现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手 五津:DeepSeek+扣子：1 分钟生成小红书爆款单词视频： 先观察此类视频规律，如先问这是什么→再揭晓结果，反复多次。 拆解视频模板的制作流程，逐个轨道分析，注意各轨道上的元素时间对应关系。 涉及的知识点可用于用扣子工作流来搭建。
2025-02-20
怎么用AI搭建工作流
搭建 AI 工作流可以参考以下步骤： 1. 搭建 AI 工作流的三种能力： 熟悉各种 AI 工具：了解多个不同 AI 工具的特点和用途，根据具体细分任务选择合适的工具。例如，写标题可用 ChatGPT，写文章可用 Claude，检查文本中的错别字和病句可用秘塔写作猫的 AI 纠错功能。 编写提示词：搭建起人与 AI 之间的“沟通桥梁”，用 AI 能听懂的语言清晰说明需求、任务内容和步骤。 搭建 AI 智能体。 2. 搭建 AI 工作流的工作流： 找到一个工作场景：选择熟悉的工作场景，如写文章、做 PPT 等。 拆解工作流程：将工作拆解成几个小步骤，如写文章可拆分为选题、写稿、改稿、写标题等。 给每一个步骤嵌入工具：针对每个小步骤，思考有无 AI 工具可帮忙，若想不到可参考他人做法，注意灵活选择最优解，目的是提高工作效率而非增加工作的含 AI 量。 此外，在搭建工作流时还需注意： 打开 Comfyui 界面后，右键点击界面，可找到 Comfyui LLM party 的目录，学习手动连接节点实现最简单的 AI 女友工作流，或直接将工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 从 ollama 的 github 仓库找到对应版本并下载，启动 ollama 后，在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。 若 ollama 连接不上，可能是代理服务器的问题，需将 127.0.0.1:11434 添加到不使用代理服务器的列表中。
2025-02-20
多智能体应用搭建
多智能体是由多个自主、独立的智能体组成的系统，每个智能体都能感知环境、决策并执行任务，且相互间能信息共享、任务协调与协同行动以实现整体目标。 随着大型语言模型的出现，以其为核心构建的 Agent 系统受广泛关注。单 Agent 核心在于语言模型与工具的协同配合，可能需与用户多轮交互。而多 Agent 为不同 Agent 分配角色并通过协作完成复杂任务，与用户交互可能减少。 构建多 Agent 框架的主要组成部分包括： 1. 环境：所有 Agent 处于同一环境，包含全局状态信息，且 Agent 与环境有信息交互与更新。 2. 阶段：通常采用 SOP 思想将复杂任务分解为多个子任务。 3. 控制器：可以是语言模型或预先定义好的规则，负责环境在不同 Agent 和阶段间切换。 4. 记忆：因 Agent 数量增多，消息数量及相关字段记录更复杂。 创建智能体时，输入人设等信息并配置工作流，配置完成后可测试，但注意工作流中某些插件的 api_token 不能直接发布，可作为输入让用户购买后输入使用再发布。 OpenAI 官方开源的多智能体框架「Swarm」受欢迎，其在多智能体通信方面表现出色，解决了不同智能体之间传递信息及传递哪些信息等核心难题。例如构建客服多智能体，只需准备普通接线客服和宽带客服两个 Agent，「Swarm」的「Handoffs」处理了交接逻辑。
2025-02-20
搭建AI智能体
搭建 AI 智能体的步骤和要点如下： 1. 创建智能体：输入人设等信息，并放上相关工作流。配置完成后可以进行测试，但千万不要直接发布。 工作流中如【所有视频片段拼接】节点使用的插件 api_token 填的是您的 token，其他人调用会消耗您的费用。您可以将 api_token 作为工作流最开始的输入，用户购买后输入 token 再发布。 2. 明确需求和 AI 能力： 在搭建智能体帮助提炼品牌卖点时，需要先明确 AI 的能力边界，例如 AI 对公司及所在市场不了解的部分，包括公司的主要产品、产品解决的用户需求、产品独特之处、获得的认可、核心渠道、核心购买人群、营销手段、期望在新渠道获得的结果等。 AI 真正的能力在于通过分析数据和信息进行逻辑推理、快速处理和分析数据并提取有价值的信息和模式、拥有大量训练数据并能输出更全面的相关信息、理解用户提供的内容并按正确结构梳理有效输出内容。因此，更适合将智能体作为引导型的灵感提问助手。 3. 学会搭建 AI 智能体： AI 智能体如同员工或智能助手，能根据设定的工作流自动调用不同 AI 工具完成全流程任务，无需人类时刻干预。 例如设计“写作助手”的 AI 智能体，输入文章主题、风格和要求，它能自动完成文章大纲处理、初稿撰写、修改润色和排版等工作，大大提高效率。
2025-02-19
用飞书搭建知识库并进行AI问答
以下是关于用飞书搭建知识库并进行 AI 问答的相关内容： 知识库问答是机器人的基础功能，可根据用户问题从知识库中找到最佳答案，这利用了大模型的 RAG 机制。RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），是一种用于自然语言处理的技术，结合了检索和生成两种主要的人工智能技术，以提高机器对话和信息处理的能力。 简单来说，RAG 机制先从大型数据集中检索与问题相关的信息，然后利用这些信息生成更准确、相关的回答。可以想象成当问复杂问题时，RAG 机制先在巨大图书馆里找相关书籍，再基于这些书籍信息给出详细回答。这种方法结合大量背景信息和先进语言模型能力，使生成内容更精确，提升对话 AI 的理解力和回答质量。 基于 RAG 机制实现知识库问答功能，首先要创建包含大量社区 AI 相关文章和资料的知识库，比如创建有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传栏目所有文章内容，陆续将社区其他板块文章和资料导入。在设计 Bot 时，添加知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回内容结合回答。 另外，全程白嫖拥有一个 AI 大模型的微信助手的搭建步骤如下： 1. 搭建，用于汇聚整合多种大模型接口，方便后续更换使用各种大模型，并获取白嫖大模型接口的方法。 2. 搭建，这是个知识库问答系统，放入知识文件，接入上面的大模型作为分析知识库的大脑来回答问题。若不想接入微信，搭建到此即可使用，它有问答界面。 3. 搭建，其中的 cow 插件能进行文件总结、MJ 绘画。
2025-02-19