（20-4）基于《哈利·波特》系列图书内容的问答系统：系统测试

已于 2024-05-22 20:24:47 修改
阅读量611 收藏 5
点赞数 10
CC 4.0 BY-SA版权
分类专栏： 《NLP算法实战》 人工智能全栈(训练、大模型、RAG、多模态) 文章标签： 语言模型 人工智能 自然语言处理 python langchain
于 2024-05-22 20:22:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/asd343442/article/details/139128696

8.6  系统测试

现在可以开始使用我们的问答系统，输入问题并获取模型生成的答案，展示系统如何从多个文档中检索信息并使用问答链来生成回答，这包括“Ask questions”、“Invoke QA Chain”等交互操作。

8.6.1  基于llama2-13b-chat模型的问答

（1）看下面的代码，CFG.model_name 是一个类属性，用于指定在项目或应用程序中使用的预训练语言模型的名称。这个属性被用于初始化或加载特定的语言模型，以执行文本生成、问答、文本分类或其他自然语言处理（NLP）任务。

CFG.model_name

执行后会输出：

'llama2-13b-chat'

这表明接下来的问答系统是基于llama2-13b-chat预训练模型实现的。

（2）使用前面定义的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
深入浅出：理解AI原生应用中嵌入模型的工作原理
AI天才研究院
07-06 728
当你在手机上用语音助手查询"附近好吃的川菜馆"时，它能准确理解你的需求；当你在购物App搜索"适合送给妈妈的生日礼物"时，推荐结果总能打动你；当你在文档工具中输入几个关键词，就能找到相关的所有内容——这些看似简单的功能背后，都离不开嵌入模型的"默默奉献"。用小学生都能听懂的语言，彻底讲清楚嵌入模型是什么、如何工作，以及它在AI原生应用中为什么如此重要。我们会从基础概念出发，避开复杂的数学公式（只保留最核心的），通过生活实例和代码实战，让你对嵌入模型建立直观且深入的理解。先讲故事。
AI原生应用必备：检索增强生成的最佳实践
大模型应用工坊
08-10 750
想象你问ChatGPT：“2025年最新的诺贝尔物理学奖得主是谁？“它很可能会说"我的知识截止到2023年10月”——这就是LLM的"知识过时"问题。再问：”《哈利波特》里哈利的祖父叫什么？"它可能会编一个名字，因为原著根本没提——这就是"幻觉"问题。让LLM能实时获取外部知识，同时保证输出内容有可靠来源。本文将聚焦RAG的"最佳实践"，从原理到代码，带你掌握如何构建一个"不瞎编、不过时"的AI原生应用。故事与概念：用生活例子搞懂RAG到底是什么架构原理：RAG系统的"五脏六腑"如何协作核心技术。
AI 炼金术：让赫敏、邓布利多成为你的专属阅读向导 - 数智破解外文小说阅读障碍
海棠AI实验室
05-04 998
AI 角色智能体，为我们打开了一扇通往沉浸式阅读体验的大门。它不仅能帮助我们跨越语言和文化的障碍，更让我们有机会以前所未有的方式，与文学作品中的人物进行“对话”，深入探索故事的内核。这不仅仅是技术上的突破，更是阅读体验的一次革新。在数字技术的赋能下，阅读将不再受限于语言，文化，甚至想象力的边界。我们有理由期待，未来的阅读，将更加智能、个性化、互动，最终实现真正的阅读无界。希望这篇文章符合您的要求！如果您有任何修改意见或新的指示，请随时提出。
强力推荐：关于谷歌ChatGPT模型用户测试的140个示例的展示与实现功能
热门推荐
源代码杀手的博客
01-02 1万+
ChatGPT模型是由 OpenAI 训练的大型语言模型，能够生成类人文本。通过向它提供提示，它可以生成继续对话或扩展给定提示的响应。在此存储库中，您将找到可与 ChatGPT 一起使用的各种提示。我们鼓励您将自己的提示添加到列表中，并使用 ChatGPT 生成新提示。要开始使用，只需克隆此存储库并使用 README.md 文件中的提示作为 ChatGPT 的输入。您还可以使用此文件中的提示作为创建您自己的提示的灵感。我们希望您发现这些提示很有用，并能从使用 ChatGPT 中获得乐趣！查看拥抱的脸下载 C
Bot 流量“假阳性”调优笔记
@云安全小杜
08-19 889
这次实验最大的收获是：与其在规则里“猜”爬虫长什么样，不如把判断逻辑外置到一个能持续学习的边缘节点。群联的清洗中心提供了实时封禁 API，让我们可以把模型结果直接落地，而不用改一行业务代码——这比传统“先打日志、再人工加黑名单”的节奏快了整整一个量级。
门控循环单元（GRU, Gated Recurrent Unit）
2501_91641025的博客
08-20 540
门控循环单元（GRU, Gated Recurrent Unit）是循环神经网络（RNN）的一种改进结构，由 Cho 等人在 2014 年提出。它和 LSTM 一样，旨在解决RNN 的梯度消失和梯度爆炸问题，同时能够建模长距离依赖信息。与 LSTM 相比，GRU 结构更简洁，参数更少，计算效率更高。GRU 是 LSTM 的简化版，在很多任务上能取得相似甚至更好的效果。优点：计算效率高、参数量少、适合大规模训练。缺点：缺少独立记忆单元，在极长序列任务中可能稍逊于 LSTM。在实际应用中，
深层语义知识图谱：提升NLP文本预处理效果的关键技术
训意学的博客
08-18 1722
自然语言处理（NLP）技术在过去十年取得了飞跃式发展，但其核心挑战之一——让机器真正“理解”语言——仍未完全解决。传统的文本预处理流程，包括数据清洗、文本规范化和词向量化，构成了所有下游任务的基石。然而，这些主流方法，如基于TF-IDF的特征提取或基于Word2Vec的词嵌入，在本质上依赖于统计共现（statistical co-occurrence）。它们能出色地捕捉词汇间的“相关性”，例如，“医生”和“医院”经常一同出现，但却难以洞察其背后更深层次的“因果性”——即一个事件或概念如何导致另一个的发生。
Huggingface-Qwen2源码解读
Jeremy程序员
08-19 1313
本文记录了基于HuggingFace Transformers最新master分支对Qwen2模型的学习过程。主要内容包括：1) 开发环境搭建（Python 3.11、PyTorch CPU版）；2) 模型测试代码实现，通过调参创建轻量级配置；3) 核心架构分析，包括分词编码、DecoderLayer处理流程（RMSNorm归一化、自注意力机制、前馈网络）和分组查询注意力机制；4) Qwen2的三大优化点：RMSNorm计算优化、RoPE位置编码和GQA注意力机制；5) 开发中遇到的版本依赖问题及解决方法。
【无标题】
As3310010的博客
08-20 449
从基础功能到自主决策：Agent 开发进阶之路
数据库审计是什么？主要功能详解与厂商解析
yuandiansec的博客
08-21 734
数据库审计
深度学习——yolo学习
2303_77489296的博客
08-21 468
Step1：它把图像划分成S×SS×SS×S的网格，若物体object中心落在某个网格单元内，该网格单元就负责检测这个物体，需要预测该物体的边界框位置、置信度以及所属类别等信息。在一张没有任何物体的空白图像中，所有网格单元都没有物体中心落入，则它们都不需要检测物品。在包含少量物体的图像中，只有物体中心所在的少数网格单元需要检测对应的物品，其余网格无需检测。假设图像中有 3 个物体，那么理论上只有 3 个网格会主动负责预测这些物体。7*7=49个网格最多检测49个物体。
CEVA-BX, Cadence HiFi, ARM ，TI， ADI 这5种音频DSP选型
2401_89373706的博客
08-20 910
本文对比了CEVA-BX、Cadence HiFi和ARM Cortex-M三类音频DSP的核心特性及应用场景。CEVA-BX是通用混合DSP/控制器，适合需要兼顾信号处理与控制的IoT、汽车等应用；Cadence HiFi专精音频处理，在降噪、编解码等场景性能突出；带DSP扩展的ARM Cortex-M系列则平衡控制与处理，适合轻量音频任务。选型需综合考量性能需求、开发资源、功耗成本等因素：专业音频选HiFi，复杂混合任务选CEVA-BX，简单音频处理优先ARM方案。
百度Q2财报：总营收327亿 AI新业务收入首次超100亿
大力财经
08-20 249
百度创始人李彦宏表示，本季度内，百度加速推进搜索的AI转型与萝卜快跑全球化进程，“百度始终聚焦于那些最具长期价值创造潜力的AI新领域，让我们的技术与创新，产生最具意义和持久的影响。8月20日晚，百度发布2025年第二季度财报，显示季度总营收327亿元，百度核心营收263亿元，归属百度核心净利润74亿元，同比增长35%。据介绍，百度智能云在Q2增长显著。今年6月，文心大模型4.5系列开源，发布了10款不同架构和尺寸的新模型，企业和开发者可通过百度智能云千帆大模型平台调用文心4.5系列的API服务。
2025年AI口播视频生成器技术深度解析：三款代表性工具对比
2508_92935733的博客
08-20 425
从巨推管家的场景化模板到Synthesia的虚拟人生态，再到Pika Labs的创意引擎，AI口播视频生成器正以不同路径解锁内容创作的无限可能。无论是企业追求效率，还是个人追求创意，选择工具的关键在于匹配自身需求与技术趋势。未来，随着多模态AI的融合，这一领域或将诞生更多颠覆性应用。
“Data + AI Agent”技术架构解析：衡石科技如何重塑数据智能演进路径？
最新发布
zandy1011的博客
08-21 442
衡石科技HENGSHISENSE6.0通过"Data+AIAgent"架构突破传统BI局限，实现智能决策升级。其三层解耦设计（指标语义层、计算逻辑层、执行引擎层）与多智能体协同（分析型、执行型、审计型Agent）深度融合，支持自然语言查询准确率达85%以上。技术创新包括动态语义解析、混合查询引擎和联邦学习，在零售、医疗等行业实现库存周转率提升23%、疫情响应时间缩短50%等成效。系统还支持边缘计算和Serverless架构，故障预测准确率提升18%。该架构将BI从查询工具升级为智能决策伙
Simple o3 Towards Interleaved Vision-Language Reasoning
m0_60388871的博客
08-19 733
论文日报
LLM（大语言模型）的工作原理 图文讲解
m0_59167353的博客
08-19 946
本文介绍了大语言模型(LLM)的核心运作机制。首先解释了条件概率的基础概念，即LLM根据上下文预测下一个词的概率分布。其次说明LLM通过海量文本训练学习高维词序列概率分布，形成预测能力。接着重点讨论了温度(Temperature)参数的妙用，它通过调节softmax函数控制输出多样性，避免机械重复。最后用表格总结LLM三大核心机制：条件概率是预测基础，权重矩阵构成预测核心，温度参数调节输出风格。全文简明扼要地阐述了LLM如何"看着上下文写出下一个词"的技术原理。
可以一键生成PPT的AI PPT工具(最新整理)
qq_2362269412的博客
08-19 1176
可以一键生成PPT的AI PPT工具(最新整理)
【LLM1】大型语言模型的基本生成机制
定期分享我的发现和想法，感谢你的陪伴和支持
08-18 639
在这个空间里，意思相近的词，它们的向量也更接近。比如，“国王”的向量减去“男人”的向量，会约等于“女王”的向量减去“女人”的向量。Token 可以是一个完整的单词（"today"），一个词根（"runn"ing），甚至一个标点符号（","）。这样就得到了一个全新的向量，它不仅包含了当前词自己的信息，还融合了整个句子中所有其他词的上下文信息，并且是根据重要性加权的。Logits 向量中的每一个值，都对应着词汇表中一个 Token 的“得分”，分数越高，代表模型认为这个 Token 是下一个词的可能性越大。
Scratch编程项目：交通工具音效-摩托车哈利素材包
资源摘要信息: "Scratch少儿编程项目音效音乐素材-【交通工具】音效-摩托车-哈利.zip" 这个资源包主要提供了针对Scratch少儿编程项目的音频素材，特别是与交通工具相关的音效，具体到摩托车这一类别的音效素材。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

码农三叔

感谢鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值