AI Engineering Academy: 2.18Capacidades de visão do RAG Vision

Com o rápido desenvolvimento e a ampla aplicação de tecnologias de modelagem de linguagem em larga escala, seus possíveis riscos de segurança estão se tornando cada vez mais o foco da atenção do setor. Para enfrentar esses desafios, muitas das principais empresas de tecnologia, organizações de padronização e institutos de pesquisa do mundo criaram e lançaram suas próprias estruturas de segurança. Neste documento, analisaremos nove delas...

No campo de pesquisa de Modelagem de Linguagem Ampla (LLM), a capacidade de Leap-of-Thought do modelo, ou seja, a criatividade, não é menos importante do que a capacidade de raciocínio lógico representada pela Chain-of-Thought. No entanto, ainda há uma relativa falta de discussões aprofundadas e métodos de avaliação válidos para a criatividade do LLM, o que, em ...

Mastering Claude Code: Hands-on Agentic Coding Tips from the Front Lines O Claude Code é uma ferramenta de linha de comando para Agentic Coding. Por Codificação Agêntica, queremos dizer dar à IA um certo grau de autonomia, a capacidade de entender tarefas, planejar etapas e executar ações (como...

A família de modelos GPT-4.1 oferece melhorias significativas em codificação, aderência de instruções e recursos de processamento de contexto longo em relação ao GPT-4o. Especificamente, apresenta melhor desempenho em tarefas de geração e reparo de código, compreende e executa instruções complexas com mais precisão e pode lidar eficientemente com textos de entrada mais longos. Esse trabalho sugerido ...

1. INTRODUÇÃO Na atual explosão de informações, uma grande quantidade de conhecimento é armazenada na forma de tabelas em páginas da Web, na Wikipédia e em bancos de dados relacionais. No entanto, os sistemas tradicionais de perguntas e respostas geralmente têm dificuldades para lidar com consultas complexas em várias tabelas, o que se tornou um grande desafio no campo da inteligência artificial. Para enfrentar esse desafio, os pesquisadores ...

Como os recursos dos modelos de linguagem ampla (LLMs) estão evoluindo rapidamente, os testes de benchmark tradicionais, como o MMLU, estão gradualmente mostrando suas limitações para distinguir os melhores modelos. Com base apenas em questionários de conhecimento ou testes padronizados, tornou-se difícil medir de forma abrangente os recursos diferenciados dos modelos que são cruciais nas interações do mundo real, como inteligência emocional, criatividade e...

O desenvolvimento de modelos de linguagem grande (LLMs) está mudando rapidamente, e sua capacidade de raciocínio se tornou um indicador importante do nível de inteligência. Em particular, os modelos com recursos de raciocínio longos, como o o1 da OpenAI, DeepSeek-R1, QwQ-32B e Kimi K1.5, que simulam o processo de raciocínio profundo humano ao resolver problemas compostos...

INTRODUÇÃO Nos últimos anos, os Modelos de Linguagem Grande (LLMs) fizeram um progresso impressionante no campo da Inteligência Artificial (IA), e seus poderosos recursos de compreensão e geração de linguagem levaram a uma ampla gama de aplicações em vários domínios. No entanto, os LLMs ainda enfrentam muitos desafios ao lidar com tarefas complexas que exigem a invocação de ferramentas externas. Por exemplo, ...