lanzeou-大赛人网-第121页
lanzeou的头像-大赛人网
lanzeou管理员超级版主
这家伙很懒,什么都没有写...
2、详细使用流程-大赛人网

2、详细使用流程

2.1 环境准备 2.1.1 安装依赖我们在《第02章-模型调用》章节已经通过requirements.txt 文件安装过课程的依赖。当时考虑到本章RAG模块涉及的依赖较多且大,所以不在之前的依赖文件中。所以,这里...
第 6 章 Attention机制-大赛人网

第 6 章 Attention机制

6.1 概述 传统的 Seq2Seq 模型中,编码器在处理源句时,无论其长度如何,最终都只能将整句信息压缩为一个固定长度的上下文向量,用作解码器的唯一参考。这种设计存在两个显著问题: 信息压缩困...
小节四:最大重试次数、错误预算与恢复边界——Agent 不能因为“会纠错”就无限尝试-大赛人网

小节四:最大重试次数、错误预算与恢复边界——Agent 不能因为“会纠错”就无限尝试

有了 Retry 和 Fallback,很容易产生另一个问题,Agent 会不会为了“再试一下”一直跑? 答案是,会。 所以恢复机制一定要有边界。 第一层:Tool Retry 上限 例如: max_retries = 2 代表: 初...
8. 结果分析与解读-大赛人网

8. 结果分析与解读

这一部分,我们将详细分析模型的预测结果,并根据这些结果提供一些关于全球气候变化趋势的洞察。我们将解释模型评估指标、预测结果,并分析其对于理解全球气候变化趋势的意义。 8.1 模型评估结...
8.4 深度卷积神经网络-大赛人网

8.4 深度卷积神经网络

将神经网络的层数加深,可以更有效地提取层次信息,还可以减少参数数量,从而让学习更加高效。 基于CNN构建深度神经网络,可以提取出更多的图片信息,大幅提高图像识别精度。在人工智能的发展历...
章末自测-大赛人网

章末自测

题目 1:为什么说“大模型没有真的执行函数”? 假设模型返回 read_file(path='app.py'),请从模型输出、Harness、Python 运行时、真实环境四个层次解释整个过程,并说明如果 Harness 拒绝...
小节三:让 Schema 与 Registry 合体——一个 Tool 只定义一次,模型与 Executor 共用同一份信息-大赛人网

小节三:让 Schema 与 Registry 合体——一个 Tool 只定义一次,模型与 Executor 共用同一份信息

上一节我们的 Tool: @dataclass class Tool: name: str description: str func: Callable 现在很自然可以加: schema: dict 但是更好的方式不是手写: schema = {...} 而是在注册时自动: sche...
案例分析一:Coding Agent 读取配置文件失败,如何从错误中自己找到真实路径?-大赛人网

案例分析一:Coding Agent 读取配置文件失败,如何从错误中自己找到真实路径?

场景背景 用户说,“检查数据库配置。” 模型根据常见经验先: read_file('config.py') 真实项目结构: project/ ├── README.md ├── app/ │ └── main.py └── config/ └── confi...
14. 章末自测-大赛人网

14. 章末自测

为什么质量不合格时仍可能得到 completed?区分运行生命周期与业务结论。 为什么不能直接平均每行 eCPM?说明曝光量权重。 为什么两个非空查询不够?它们可能缺乏比较窗口、分组或有效引用。 为...
小节四:这门课会怎样一步步把“玩具 Agent”长成真正可控的工程系统?-大赛人网

小节四:这门课会怎样一步步把“玩具 Agent”长成真正可控的工程系统?

现在我们已经看到终点,也知道为什么要自己搭 Harness,接下来最容易出现的问题是,“这么多模块,是不是一下子要全部写完?” 完全不需要。 我们会用一个非常明确的“逐层加能力”的方式推进。...