大型语言模型（LLM）是人工智能领域中的一个重要研究方向，在ChatGPT之后，它经历了快速的发展。这些发展主要涉及以下几个方面：

我们以前介绍Pandas和ChaGPT整合，这样可以不了解Pandas的情况下对DataFrame进行操作。比如pandas-ai的出现：

大家有没有分析过 prompt对模型训练或者推理的影响？之前推理的时候，发现不加训练的时候prompt，直接输入模型性能会变差的，这个倒是可以理解。假如不加prompt直接训练，是不是测试的时候不加prompt也可以？还有一个就是多轮pro...

对此，Zilliz 软件工程师 Filip Haltmayer 指出，将 GPTCache 与 LangChain 集成，可以有效解决这一问题。

GPTCache 是 LLM 语义缓存层（caching layer），它采用语义缓存（semantic cache）[1]技术，能够存储 LLM 响应，从而显著减少检索数据所需的时间、降低 API 调用开销、提升应用可扩展性。不仅如此，用户还可以通过定制个性化缓存规则...

今天偶然翻到一个仓库 Embedchain，觉得很实用，分享给大家。仓库地址如下：

最近，大语言模型（LLMs）在许多任务上表现出接近人类水平的性能，这引发了行业兴趣和资金投入的激增，有关LLMs的论文最近也层出不穷。

LangChain于8月1日0.254版本更新，声称采用新的语法来创建带和组合功能的Chain，同时提供一个新的接口，支持批处理、异步和流处理，将这种语法成为LangChain Expression Language(LCEL)。体验了新版本LangChain的LCEL特性，确...

GitHub 工程师 Albert Ziegler 和 John Berryman 表示，不需要拥有机器学习或生成式 AI 博士学位就可以创建有效的基于 LLM 的应用程序，提示词工程是关键。他们还分享了他们在开发 GitHub Copilot 过程中所积累的经验。...

LLM 如火如荼地发展了大半年，各类大模型和相关框架也逐步成型，可被大家应用到业务实际中。在这个过程中，我们可能会遇到一类问题是：现有的哪些数据，如何更好地与 LLM 对接上。像是大家都在用的知识图谱，现在的图谱该如何借...