精通RAG架构：从0到1，基于LLM+RAG构建生产级企业知识库
为了帮助更多人掌握大模型技术，尼恩和他的团队编写了《LLM大模型学习圣经》系列文档，包括《从0到1吃透Transformer技术底座》、《从0到1精通RAG架构，基于LLM+RAG构建生产级企业知识库》和《从0到1吃透大模型的顶级架构》。这些文档不仅系统地讲解了大模型的核心技术，还提供了实战案例和配套视频，帮助读者快速上手。
【NLP】深度学习的NLP文本分类常用模型
本文详细介绍了几种常用的深度学习文本分类模型，包括FastText、TextCNN、DPCNN、TextRCNN、TextBiLSTM+Attention、HAN和Bert，并提供了相关论文和不同框架下的实现源码链接。同时，还讨论了模型的优缺点、适用场景以及一些优化策略。
前端大模型入门：Transformer.js 和 Xenova-引领浏览器端的机器学习变革
除了调用API接口使用Transformer技术，你是否想过在浏览器中运行大模型？Xenova团队推出的Transformer.js，基于JavaScript，让开发者能在浏览器中本地加载和执行预训练模型，无需依赖服务器。该库利用WebAssembly和WebGPU技术，大幅提升性能，尤其适合隐私保护、离线应用和低延迟交互场景。无论是NLP任务还是实时文本生成，Transformer.js都提供了强大支持，成为构建浏览器AI应用的核心工具。
