热门
导航
快讯
推荐文章
热门
导航
快讯
推荐文章
#知识增强
RAG-Survey
深入探索增强检索技术如何推动AI内容生成的进步。RAG-Survey项目综合最新研究,涵盖查询基准、潜在表达式和逻辑基础RAG等多种方法,持续更新其调研报告和文献库。项目专注于提升检索增强生成模型,精准高效地应用于开放域问答、代码生成等多个AI领域。
KG-LLM-Papers
KG-LLM-Papers收录了将知识图谱与大型语言模型结合的尖端研究论文,旨在推动这一创新交叉学科领域的进步。该项目提供多样化的研究方法、详尽的调查报告、实用的资源与基准测试,解析大型语言模型在知识图谱中的作用。我们欢迎社区成员通过发布问题或提交拉取请求来补充更多研究论文,共同推动学科发展。
KnowLM
该框架提供大型语言模型的数据处理、预训练和微调功能,包含ZhiXi、OneKE等知名模型,并具备指令处理、知识增强和幻觉检测等模块。框架持续优化,适用于信息提取和知识增强,简化语言模型的训练与应用。所有模型权重和数据集均在HuggingFace上可获得,整合EasyInstruct、EasyDetect和EasyEdit模块,提升知识推理与交互能力。
KnowAgent
KnowAgent是一个知识增强的大语言模型(LLM)智能体规划框架。该框架通过构建行动知识库、知识文本化和知识化自学习,提升了LLM智能体的规划能力。KnowAgent支持HotpotQA和ALFWorld等复杂任务,并提供了安装指南和使用说明。这一框架不仅增强了LLM智能体在复杂场景中的应用潜力,也为相关研究领域带来了新的思路。
相关文章
RAG技术综述:检索增强生成在人工智能内容生成中的应用与发展
2 个月前
大型语言模型与知识图谱的融合:新时代的智能推理与知识表示
2 个月前
KnowAgent: 知识增强型规划助力大语言模型智能体
2 个月前
RAG-Survey学习资料汇总 - 检索增强生成的全面综述
1 个月前
KG-LLM-Papers入门指南 - 知识图谱与大语言模型融合的前沿探索
1 个月前
使用协议
隐私政策
广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI
·
鲁ICP备2024100362号-6
·
鲁公网安备37021002001498号