自然语言处理

首页 标签 自然语言处理
# 自然语言处理 #
关注
8349内容
语义压缩,才是提示词工程的底层心法
提示词工程的底层心法是**语义压缩**:剔除寒暄、情绪与模糊期待,精准锚定角色、任务、约束与格式。它不是写短,而是压缩冗余、提升信噪比、明确边界、适度留白——让AI像执行协议般可靠输出。Agent时代,语义压缩关乎执行安全。
保密检查在本项目中的总体链路:从按钮到任务清单:免费开源的文档编审软件WPS AI插件.察元AI 文档助手
本文详解保密检查功能在项目中的完整链路:从Ribbon按钮触发(id=analysis.security-check),到结构化JSON提示、上下文敏感研判(含高/中/低风险分级规则),再到Markdown摘要解析与命中片段精准抽取,全程聚焦技术实现,不替代法定密级鉴定。
|
2月前
| |
一句话查高铁票并写入文件:揭秘 IntentOrch 的意图驱动编排黑科技
IntentOrch 是一款意图驱动的MCP编排引擎,支持用自然语言(如“查明天广州到南宁高铁票并存入ticket.txt”)一键触发多工具协同执行,自动完成意图解析、工具匹配、工作流编排与执行,零代码、可视化、开箱即用。
[大模型实战 05] 大模型实战的杀手锏: 模型微调
本文通过Kaggle实操对比Base与Instruct模型,图解大模型预训练→指令微调→人类对齐三阶段演进,并厘清Prompt工程、RAG(注知识)与微调(塑性格)的技术边界与选型策略,助你科学决策模型优化路径。
[大模型实战 03预备] 云端炼丹房 1:Google Colab 上手指南
本文教你用免费Google Colab(Tesla T4 GPU)解决本地显存不足、无法运行7B+大模型的痛点;通过挂载Google Drive持久化保存模型,避免运行时重置丢失;手把手配置云端环境,为后续RAG实战打下坚实基础。(239字)
[大模型实战 06] 我的模型我做主:在 Kaggle 上用 Unsloth 极速微调 Qwen3
本文介绍如何用Unsloth+QLoRA高效微调Qwen3-4B模型,仅需Kaggle免费T4显卡,速度提升2–5倍、显存节省60%;三步实现“灵魂认主”,让模型自认“AlgiebaLLM AI”,全程代码简洁,零基础可上手。
[大模型实战 03] 拆解 Transformers:从原理图解到 HuggingFace Transformers 实战
本文图解Transformer核心原理(注意力机制+位置编码),在Kaggle双T4 GPU环境下实战拆解Hugging Face“铁三角”(Config/Tokenizer/Model),并详解Temperature与Top_p两大生成调控参数,助你真正理解并掌控大模型推理。
[大模型实战 01] 本地大模型初体验:Ollama 部署与 Python 调用指南
大模型实战系列第一篇。拒绝晦涩理论,直接上手!我会带着各位友人们零基础安装 Ollama,利用国内 ModelScope 极速下载模型,详解服务端口配置与 Python 脚本调用,涵盖显存计算与常见避坑指南。
免费试用