【日積月累】 現成的預訓練模型無法完全滿足使用場景時，有三種常見解決方案可供選擇：Prompt Engineering（提示工程）、Retrieval-Augmented Generation（檢索增強生成）以及 Fine-tuning（微調）。 今天，我們將著重探討微調方法，幫助你快速掌握這一領域的核心技巧。

【最佳API】 本文探討了最受歡迎的大型語言模型（LLM）及其在構建聊天機器人、自然語言搜索和其他基于LLM的產品方面的集成能力。我們將說明如何根據業務目標選擇合適的大型語言模型，并研究實際用例，包括AltexSoft的經驗。

【API使用場景】 本文重點介紹了使用 LLM 增強 API 程序的幾種方法。下次我們將介紹如何使用 API 在應用程序中啟用 AI 功能 — 利用 API 實現AI。

【API開發】 本文為LLM開發入門指南，涵蓋LLM基礎名詞解釋、API申請、Python代碼調用測試以及提示詞工程（Prompt Engineering）。文章強調了理解Prompt的重要性，提供了設計有效Prompt的技巧，如添加分隔符、實現結構化輸出和提供示例，以提高LLM輸出的準確性和實用性。通過這些方法，可以將LLM更好地融入傳統開發工作流程中。

【AI驅動】 如何微調大模型、高效搭建AI應用成為了開發者們廣泛關注的技術方向。阿里云人工智能平臺PAI，聯合開源低代碼大模型微調框架LLaMA Factory ，共同打造多模態大模型微調訓練最佳實踐，通過微調 Qwen2-VL 模型，快速搭建文旅領域知識問答機器人，帶您開啟AI創新與應用之旅。

【AI驅動】 文章詳細討論了如何確保大型語言模型（LLMs）輸出結構化的JSON格式，這對于提高數據處理的自動化程度和系統的互操作性至關重要。

【AI驅動】 Gorilla LLM 是一個突破性的LLM，可以生成準確的 API 調用并適應文檔的實時變化。該模型為未來的LLM在與工具和系統交互方面變得更加可靠和多功能鋪平了道路。Gorilla LLM 是一款面向開發人員的強大新工具。它可以節省開發人員的時間和精力，并且可以幫助他們編寫更可靠的代碼。

【AI驅動】 研究者通過實驗表明，FrugalGPT 可以與最佳個體 LLM（例如 GPT-4） 的性能相媲美，成本降低高達 98%，或者在相同成本下將最佳個體 LLM 的準確性提高 4%。

【AI驅動】 無論你的模型（大型語言模型LLM）有多先進，如果上下文信息塊沒有提供正確的信息，模型將無法生成準確的答案。在本教程中，我們將探索一種稱為上下文檢索的技術，以提高你的RAG系統中上下文信息塊的質量。

【API使用場景】 對于很多應用場景來說，指定上下文窗口可以顯著提升模型的生成質量。在與用戶進行多輪對話或長文本生成的過程中，合理的上下文窗口能夠幫助模型更準確地記住前文信息，使生成的文本具有連貫性。

【AI驅動】 您的人工智能計劃呢？您的數據團隊如何才能從LLM獲得價值？這就是 RAG vs. Fine-Tuning 這兩個有前途的 GenAI 開發和優化框架的用武之地。

【AI驅動】 NLU 和 LLM 相結合，使聊天機器人能夠以更加個性化、知識豐富和準確的方式與人溝通。它們的綜合能力有助于客戶互動聊天機器人履行其在客戶服務、信息檢索和任務自動化方面的作用。

【AI驅動】 我正在做一個項目，需要我找出最適合內容創作的 LLM。我查看了 lmsys 排行榜上的頂級模型，閱讀了其他人對這些模型的評價，查看了頂級 LLM 的模型卡，在沒有明確答案的情況下，我決定對所有這些 LLM 進行測試，以完成不同的內容創作任務。

【學習各類API】 今天，我們將深入探討如何在應用程序中使用AI，特別是如何利用LLM來構建應用程序。我們還將討論在決定是構建自己的AI API還是使用第三方AI供應商API時需要考慮的關鍵因素。

【AI驅動】 本文探討了微調大型語言模型（LLMs）以利用財務新聞流預測股票回報的方法，比較了編碼器和解碼器LLMs在不同文本表示方法下的性能，并發現聚合表示通常能提升投資組合表現，其中Mistral模型在多個投資宇宙中表現穩健，而基于LLMs的回報預測比傳統情感分析更能增強投資組合構建的效果。