使用SiliconCloud尝试GraphRag——以《三国演义》为例（手把手教程，适合小白）
本文介绍了使用不同模型和平台体验GraphRAG的过程。首先通过OpenAI的GPT-4O Mini模型对沈从文的《边城》进行了分析，展示了如何安装GraphRAG并配置参数，最终实现了对文本的有效查询。随后，文章探讨了在国内环境下使用SiliconCloud作为替代方案的可能性，以《三国演义》为例，演示了使用SiliconCloud模型进行相同操作的步骤。此外，还讨论了使用本地模型如Ollama和LM Studio的可能性，尽管受限于硬件条件未能实际运行。最后，提出了混合使用在线对话模型API与本地或在线嵌入模型的方法，并列举了一些能够使GraphRAG流程跑通的大模型。
自监督学习在多模态数据融合中的实践与探索
【8月更文第9天】自监督学习（Self-Supervised Learning, SSL）是一种机器学习方法，它利用未标记的数据来训练模型。这种方法通过设计预训练任务来挖掘数据的内在结构，无需人工标注，从而减少了对大量标注数据的依赖。当应用于多模态数据时，自监督学习可以帮助模型学习到不同模态之间的关联性，进而提高模型在特定下游任务上的表现。
【类脑计算】突触可塑性模型之Hebbian学习规则和STDP
本文介绍了突触可塑性中的Hebbian学习规则和STDP（Spike-Timing Dependent Plasticity），两种基于神经元活动调节突触强度的机制，其中Hebbian规则强调同时活动的神经元间的连接增强，而STDP则考虑了脉冲时间差异对突触强度的调节作用。