high-performance liquid chromatography
PulseAugur coverage of high-performance liquid chromatography — every cluster mentioning high-performance liquid chromatography across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
RAG系统通过外部知识检索增强LLM
检索增强生成（RAG）是一种系统设计模式，通过整合外部知识来增强大型语言模型（LLM）。RAG系统不依赖模型自身的训练数据，而是从文档中检索相关信息并将其注入提示（prompt），从而获得更准确、更可靠的答案。这种方法解决了LLM常见的过时知识、幻觉以及无法访问私有或领域特定数据等问题。RAG架构通常包括文档分块、创建向量嵌入、将其存储在向量数据库中，然后使用相似性搜索来检索与LLM相关的上下文。
-
ML-Embed框架提供高效、多语言的文本嵌入
研究人员推出ML-Embed，一个旨在创建更具包容性和效率的文本嵌入的新框架。该框架名为3-Dimensional Matryoshka Learning，解决了计算成本问题，将语言覆盖范围扩展到低资源语言，并通过发布所有模型、数据和代码来促进透明度。评估表明，ML-Embed模型在众多基准测试中取得了最先进的结果，尤其是在不太常见的语言方面，为公平的AI发展提供了蓝图。
-
新的对齐策略针对LLM上下文衰减
LessWrong上最近的一项分析提出了一种新颖的方法来解决
-
Meta 的 Llama 2 超越开源 LLM 排行榜，支持商业用途
Meta 发布了 Llama 2，一个开源的大型语言模型，它迅速成为同级别模型中的最先进水平，性能超越了其他开源模型。该模型在 2 万亿个 token 上进行了预训练，具有更长的上下文长度，并在人类反馈强化学习方面进行了大量投入。Llama 2 可用于商业用途，满足了不能将敏感数据发送给外部 API 提供商的组织的关键需求，并为 GPT-4 等专有模型提供了替代方案。