AI在线 AI在线

LLM

如何使用 LLM实现电子表格规范化

如何使用 LLM实现电子表格规范化
一、如何使用 LLM实现电子表格规范化请观察以下电子表格：图片从“为什么”开始图片让我们看一下这个Excel电子表格，其中包含电影奖项的信息。 这是一个典型的、常见的电子表格，每个人都可能在日常工作中使用它。 但它有什么问题呢？
5/29/2025 9:48:22 AM
晓晓
快速理解热门 LLM 大语言模型

快速理解热门 LLM 大语言模型
作者 | masonpy本文尽量用最简单的方式, 帮读者理解 LLM，Transformer, Prompt, Function calling, MCP, Agent, A2A 等这些基本概念。 表述时不追求绝对准确，尽量通俗易懂，部分内容有个人理解的成份，内容难免疏漏, 欢迎指正。 注意：本文需要你有基本的代码阅读能力，当然非开发阅读也不会很困难。
5/29/2025 8:30:00 AM
腾讯技术工程
AlphaEvolve: 谷歌DeepMind迈向通用人工智能（AGI）的突破性一步

AlphaEvolve: 谷歌DeepMind迈向通用人工智能（AGI）的突破性一步
译者 | 李睿审校 | 重楼谷歌DeepMind推出的AlphaEvolve旨在自主发现算法和科学解决方案。 它基于进化计算原理，通过LLM驱动的独立进化流程，不断优化代码。 AlphaEvolve不仅超越人类专家设计的算法，还在数学和谷歌基础设施优化上取得突破。
5/29/2025 8:19:49 AM
李睿
数据提取场景下不同LLM模型对比分析

数据提取场景下不同LLM模型对比分析
在数字化时代，数据作为核心资产，其高效处理与利用成为企业和组织发展的关键。 然而，大量数据以非结构化文本、传统文档等形式存在，导致数据提取面临巨大挑战。 人工智能，尤其是大语言模型（LLMs）的爆发式发展，为大规模自动化数据提取提供了新的可能。
5/29/2025 1:50:00 AM
大模型之路
告别卡脖子，华为黑科技破局！昇腾推理加速1.6倍打破LLM降智魔咒

告别卡脖子，华为黑科技破局！昇腾推理加速1.6倍打破LLM降智魔咒
LLM发展到今天，下一步该往哪个方向探索？ 显然，如今最明显的一个问题就是，大模型的参数规模还是太大了——DeepSeek-V3的参数为671B，Llama 3.1系列最大为405B，GPT-4o为200B，Claude 3.5 Sonnet为175B。 参数规模在不断增长，高昂的计算成本和推理延迟，该怎么破？
5/28/2025 8:51:00 AM
我的RAG开源项目300+star了，十分适合新手入门（日志级详细拆解）

我的RAG开源项目300+star了，十分适合新手入门（日志级详细拆解）
三个月前，我在 Github 上开源的一个 RAG 练手项目，目前已经有了 327 个 star，总共解决了 22 个 issues。 结合过去几个月的项目实践，我重新对项目做了轻量化重构，降低资源消耗与部署门槛。 项目地址：，五脏俱全。
5/28/2025 5:00:00 AM
韦东东
「DeepSeek 技术解析」：LLM 训练中的强化学习算法

「DeepSeek 技术解析」：LLM 训练中的强化学习算法
我们将深入探讨 DeepSeek 模型训练策略中的关键创新之一[1, 2]：群组相对策略优化（Grouped Relative Policy Optimization，GRPO）[3]。 为确保本文自成体系并阐明 GRPO 的理论基础，我们将首先介绍强化学习的基础概念，重点解析强化学习（RL）及基于人类反馈的强化学习（RLHF）在 LLM 训练中的核心作用。 接着我们将探讨不同的强化学习范式，包括基于价值的强化学习、基于策略的强化学习和 Actor-Critic 强化学习，回顾经典算法如置信域策略优化（TRPO）和近端策略优化（PPO），最后解析 GRPO 带来的优化创新。
5/28/2025 2:25:00 AM
Baihai IDP
北大团队首次系统性评估大语言模型心理特征，推动AI评估新标准

北大团队首次系统性评估大语言模型心理特征，推动AI评估新标准
在人工智能迅猛发展的今天，大语言模型（LLM）展现出了超凡的能力，但如何科学评估它们的 “心智” 特征，比如价值观、性格和社交智能，依旧是一个亟待解决的难题。 近期，北京大学的宋国杰教授团队发布了一篇全面的综述论文，系统梳理了大语言模型心理测量学的研究进展，为 AI 的评估提供了新视角。 这篇论文名为《大语言模型心理测量学:评估、验证与增强的系统综述》，长达63页，引用了500篇相关文献。
5/27/2025 4:01:00 PM
AI在线
北大团队发布首篇大语言模型心理测量学系统综述：评估、验证、增强

北大团队发布首篇大语言模型心理测量学系统综述：评估、验证、增强
随着大语言模型（LLM）能力的快速迭代，传统评估方法已难以满足需求。 如何科学评估 LLM 的「心智」特征，例如价值观、性格和社交智能？ 如何建立更全面、更可靠的 AI 评估体系？
5/27/2025 3:21:06 PM
这篇 AI Agent 漫游指南，带你建立全面的科技史观

这篇 AI Agent 漫游指南，带你建立全面的科技史观
作者 | kong以OpenAI o1与DeepSeek R1为代表的"类Agent"模型、OpenAI DeepResearch为代表的“真Agent”模型，正在重构AI Agent的技术范式。 Agentic Workflow的王座还没坐热，强化学习驱动的端到端Agent模型训练已呼啸而来。 未来趋势已指明：模型即产品，工程化Agent的命运将如何？
5/27/2025 10:05:00 AM
腾讯技术工程
LiteLLM：用于统一大模型访问的开源网关

LiteLLM：用于统一大模型访问的开源网关
译者 | 核子可乐审校 | 重楼摘要：LiteLLM 允许开发者像调用 OpenAI API 那样集成各种大语言模型（LLM），并支持故障转移、预算控制、速率限制以及对API调用的实时监控。 不同提供商发布的大语言模型（LLM）层出不穷——包括 Anthropic、谷歌、Meta、微软、英伟达、OpenAI 等等——这为开发者提供了丰富的选择，但也令复杂性一路攀升。 每家提供商都有其独特的API特性和响应格式，使得在同一个应用中切换模型或支持多个后端变得愈发困难。
5/27/2025 8:19:06 AM
核子可乐
LLM能理解数学吗？最新研究揭露大模型数学推理的致命缺陷

LLM能理解数学吗？最新研究揭露大模型数学推理的致命缺陷
你有没有想过，那些在聊天中侃侃而谈的AI大模型，遇到数学题时会是什么样子？ 就像一个平时很会聊天的朋友，突然被问到复杂的数学问题时支支吾吾的样子。 最近有研究团队专门研究了这个问题，结果发现了一些让人意外的真相。
5/27/2025 1:27:00 AM
无影寺
LLM的 “自信陷阱”：上下文幻觉如何侵蚀 AI 信任？

LLM的 “自信陷阱”：上下文幻觉如何侵蚀 AI 信任？
一、当AI自信地给出错误答案在数字技术飞速发展的今天，大语言模型（LLMs）正以前所未有的速度渗透到我们生活的方方面面。 从智能客服到医疗诊断，从金融分析到法律文书，这些模型凭借其强大的语言理解和生成能力，似乎正在重塑人类与信息交互的方式。 然而，在其光鲜亮丽的表现背后，一个隐蔽而危险的问题正悄然浮现——上下文幻觉（Contextual Hallucination）。
5/26/2025 1:45:00 AM
大模型之路
进化智能体 AlphaEvolve：科学发现与算法优化的新引擎

进化智能体 AlphaEvolve：科学发现与算法优化的新引擎
大家好，我是肆〇柒。 今天，我们来聊一个非常有趣且前沿的Agent技术——AlphaEvolve。 这是一个由 Google DeepMind 开发的进化型编码智能体，它通过结合大型语言模型（LLM）和进化算法，为科学发现和算法优化带来了另外一种可能性。
5/23/2025 3:00:00 AM
肆零柒
Qwen3：开源 LLM 的革新者与多语言先锋（万字）

Qwen3：开源 LLM 的革新者与多语言先锋（万字）
“ Qwen3 模型以其卓越的性能、效率和多语言能力，为开源大语言模型领域树立了新的标杆，引领着技术发展的新潮流。 ”大家好，我是肆〇柒。 在 4 月底的时候 Qwen3 开源放出了权重，在热火朝天开炉炼丹后的不久，上周三千问团队又放出了 Qwen3 的技术报告，最近有点小忙，所以虽然第一时间阅读了技术报告，但是一直没有发文出来。
5/22/2025 5:00:00 AM
肆零柒
并行扩展（Parallel Scaling）：一种新型语言模型扩展范式（万字）

并行扩展（Parallel Scaling）：一种新型语言模型扩展范式（万字）
“ PARSCALE 作为一种新型的语言模型扩展范式，通过增加并行计算次数 P，在保持参数规模几乎不变的情况下，能够显著提升模型的推理能力。 ”大家好，我是肆〇柒。 今天，我们来聊一项可以改变语言模型性能的技术——PARSCALE（Parallel Scaling）。
5/22/2025 4:00:00 AM
肆零柒
策略学习助力LLM推理效率：MIT与谷歌团队提出异步并行生成新范式

策略学习助力LLM推理效率：MIT与谷歌团队提出异步并行生成新范式
金天，麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）博士五年级学生，师从 Michael Carbin 和 Jonathan Ragan-Kelley。 他主要研究机器学习与编程系统的结合。 此前曾在 IBM Research 主导实现深度神经网络在 IBM 主机上的推理部署。
5/21/2025 1:52:39 PM
解锁 LLM 新高度！一文深度解读 Qwen3 大模型​

解锁 LLM 新高度！一文深度解读 Qwen3 大模型​
1、模型架构Qwen3 系列涵盖 6 种密集型模型和 2 种 MoE 模型，参数规模从 0.6 亿到 2350 亿不等，满足不同下游应用需求。 旗舰模型 Qwen3-235B-A22B 作为 MoE 模型，总参数量达 2350 亿，每 token 激活参数量为 220 亿，在性能与效率间取得平衡。 密集型模型Qwen3 的密集型模型架构与 Qwen2.5 类似，采用 Grouped Query Attention（GQA）和 QK-Norm 改进注意力机制，使用 SwiGLU 作为激活函数，搭配 Rotary Positional Embeddings（RoPE）进行位置编码，采用 RMSNorm 并预归一化。
5/21/2025 9:04:38 AM
Goldma