随着多模态大模型技术的不断进步，大模型的应用范围得到了极大的扩展，其中较为重要的一个分支便是审核场景。现业务域内有较多场景需要人工进行凭证审核，这些审核工作不仅需要耗费较多的人力成本，效率上也有较大的提升空间。

本文探讨了OpenAI最新推出的o1模型，该模型在复杂推理能力上取得了显著突破，特别是在STEM领域。文章详细描述了o1模型的技术路线，包括其在预训练、后训练和推理阶段的关键创新，以及这些创新如何显著提升了模型的推理能力和安全性。

作者花了半个月时间，认真读完了llama 3.1技术报告，并总结成本文，希望能帮到对这个感兴趣的小伙伴们。

大模型系统提示词全解析（Prompt合集）。

Index-1.9B-32K 是一个拥有 1.9B （19亿）参数并具备 32K 上下文长度的语言模型。

I was curious about how a component was implemented in a minified JavaScript file and used ChatGPT to reverse engineer the component.

本文深入探讨当前最前沿的prompt engineering方案，结合OpenAI、Anthropic和Google等大模型公司的资料，以及开源社区中宝贵的prompt技巧分享，全面解析这一领域的实践策略。

简单来说，RAG（Retrieval-Augmented Generation，检索增强生成） 的工作原理是将大型文档分割成多个小段落或片段。主要原因是，大语言模型的上下文窗口长度有限，无法一次处理超过上下文窗口长度的信息。

当我提出一个问题时，RAG 技术可以先从这些片段中检索相关信息，根据我提问的内容与这些片段的相似度，找出若干个与问题相关的片段，组合成一个上下文，然后将这些信息，连同我的提问一起输入到大语言模型中，然后期待大语言模型「更为精准」的回答。

本文将带你走进 LLM 的世界，从入门知识到实际应用，全方位解读这个充满魔力的“大模型”。

MediumGPT是ChatGPT的插件，它解决了ChatGPT无法访问互联网和更新内容的问题。插件的API使得ChatGPT能够获取和操作Medium的内容。插件的调试验证了ChatGPT对插件API的理解，并可以通过询问特定问题触发插件功能。插件的链式查询功能也被证明有效，可以根据用户的查询获取相关文章和主题的最新内容。插件还可以暴露更多的API，为ChatGPT提供更多功能和信息。虽然目前还不清楚插件的具体用途，但使用它进行建立和操作是一种有趣的体验。

本篇文章希望帮助大家对大模型的本质、技术和发展趋势有简单的了解。

本文作者用一个GPT4o学习全栈的例子来阐述大模型对学习的影响，以及对于未来学习的思考。

这是一篇适合Java工程师体质的AI开发教程。

代码评审的未来：AI技术如何显著优化研发效率并提升代码质量？

GPT 吐字动画？利用这个技巧简直绝了！

OpenAI最新推出的大型模型GPT-4o可能存在的越狱风险。