Yazooliu / agent_from_0t1Links
手把手带你从0到1实现大模型agent
☆117Updated last year
Alternatives and similar repositories for agent_from_0t1
Users that are interested in agent_from_0t1 are comparing it to the libraries listed below
Sorting:
- qwen ai agent☆135Updated last year
- RAG向量召回示例☆131Updated last year
- 本项目为书籍《大模型RAG实战》的代码以及资料汇总。☆245Updated 8 months ago
- 大语言模型微调,Qwen2VL、Qwen2、GLM4指令微调☆458Updated 2 months ago
- 数据科学教程、大模型实践案例☆143Updated last month
- 快速入门RAG与私有化部署☆197Updated last year
- FinQwen: 致力于构建一个开放、稳定、高质量的金融大模型项目,基于大模型搭建金融场景智能问答系统,利用开源开放来促进「AI+金融」。☆402Updated last year
- RAG 论文学习☆153Updated 4 months ago
- 一个基于langchain实现RAG的简单示例☆530Updated last month
- 基于大语言模型的检索增强生成RAG示例☆153Updated 2 months ago
- 本项目旨在分享人工智能相关应用技术以及实战经验,包括大模型、语音合成、数字人、图像生成等。☆249Updated 10 months ago
- 对llama3进行全参微调、lora微调以及qlora微调。☆204Updated 9 months ago
- RAG兴趣小组,全手写的一个RAG应用。Langchain的大部分库会很方便,但是你不一定理解其中原理,所以代码尽可能展现基本算法,主打理解RAG的原理☆232Updated 10 months ago
- TinyRAG☆317Updated last month
- 本项目是针对RAG中的Retrieve阶段的召回技术及算法效果所做评估实验。使用主体框架为LlamaIndex.☆270Updated last week
- 大模型文本分类☆70Updated 11 months ago
- Huggingface transformers的中文文档☆263Updated last year
- RAG-QA-Generator 是一个用于检索增强生成(RAG)系统的自动化知识库构建与管理工具。该工具通过读取文档数据,利用大规模语言 模型生成高质量的问答对(QA对),并将这些数据插入数据库中,实现RAG系统知识库的自动化构建和管理。☆219Updated 7 months ago
- ☆259Updated 7 months ago
- RAGOnMedicalKG,将大模型RAG与KG结合,完成demo级问答,旨在给出基础的思路。☆307Updated last year
- 基于ChatGLM3-6b的智能对话系统,集成了RAG、知识图谱、Agent、多模态等技术来增强大模型的回复质量。☆51Updated 11 months ago
- prompt 工程项目案例☆96Updated 4 months ago
- 在本项目中模拟健康档案私有知识库构建和检索全流程,通过一份代码实现了同时支持多种大模型(如OpenAI、阿里通义千问等)的RAG(检索增强生成)功能:(1)离线步骤:文档加载->文档切分->向量化->灌入向量数据库;在线步骤:获取用户问题->用户问题向量化->检索向量数据库…☆153Updated 10 months ago
- 大模型技术栈一览☆108Updated 10 months ago
- 这个项目是一个Jupyter notebook的集合,专门用于学习和探索LangChain框架。☆395Updated last year
- AGI资料汇总学习(主要包括LLM和AIGC),持续更新......☆399Updated last month
- ☆45Updated 11 months ago
- 基于RAG的私有知识库问答系统☆301Updated 8 months ago
- 通义千问 SFT试验☆70Updated last year
- 此项目完成了关于 NLP-Beginner:自然语言处理入门练习 的所有任务(文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等),所有代码都经过测试…☆209Updated last year