Keep on to blur preview images; turn off to show them clearly
RT @JusticeRage: I've been working on a side project for some time: autonomous reverse-engineering powered by Gepetto. I shared some though…
Choose disfavour where obedience does not bring honour. I do math. And was once asked by R. Morris Sr. : "For whom?" @halvarflake@mastodon.social
RT @AztecaAlpaca: 穿越时空的滤镜——老照片修复 感谢宝玉老师的建议。多次尝试之后决定使用玻璃滤镜实现对老照片核心部分的“修复”。 效果图包括： 1. 清华二校门老照片（被毁之前） 2. 恭亲王照片（大概是中国人最早的相片） 3. 老登李鸿章 4. 20元…
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
RT @duda_jarek: @mathelirium With Markov process as Maximal Entropy Random Walk ( https://t.co/QvVSXHHGw7 ) we can also model electron cond…
Choose disfavour where obedience does not bring honour. I do math. And was once asked by R. Morris Sr. : "For whom?" @halvarflake@mastodon.social
I feel like robotics intelligence and llms are diverging farther not unifying for reasons i explained prior
Cofounder and Head of Post Training @NousResearch, prev @StabilityAI Github: https://t.co/LZwHTUFwPq HuggingFace: https://t.co/sN2FFU8PVE
RT @percyliang: This is not just another strong open model. Nemotron actually releases training data (!), RL environments, and training cod…
Choose disfavour where obedience does not bring honour. I do math. And was once asked by R. Morris Sr. : "For whom?" @halvarflake@mastodon.social
LLM 长上下文处理的局限性与优化实践 来自 @svpino 的实战经验分享，他在调试多个 AI 应用后总结了经验，重点针对 LLM 在处理长上下文时的常见问题，分享了他的几点建议，一起看看 🔽 他学到的几件事 · 长提示并非免费：模型不会平等对待所有 token，中间部分的信息容易被忽略或弱化。 · 过度填充上下文会降低检索效果：在 RAG 系统中，塞入太多无关信息反而会干扰模型准确提取关键内容。 · 多步提示无法解决上下文污染：即使将任务拆分成多个步骤，也不能彻底消除无关或冗余信息的负面影响。 · 更大模型有帮助，但无法根除幻觉：更先进的模型能改善表现，但幻觉问题依然存在。 如何避免模型在大量上下文中“迷失” 1. 保持上下文尽可能简短：只提供必要信息，减少噪声。 2. 将关键信息放在末尾：模型对上下文末端的内容注意力更高。 3. 使用结构化上下文优于纯叙述：采用列表、JSON、表格等格式，而不是长段落文本，便于模型解析。 4. 优先使用工具而非纯提示：让模型调用外部工具来获取信息，而不是全部塞进提示中。 5. 采用重排序机制：检索时不止取相似度最高的 chunk，而是进一步排序选出最优质的片段。 6. 针对此失败模式进行明确评估：在系统测试中专门检查长上下文下的表现，确保鲁棒性。
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
