NotebookLM 是谷歌开发的一款实验性的 AI 云笔记应用。它基于用户上传的内容，结合 Google Gemini 和 RAG 技术，完成文本摘要、问答、创作等任务，是个性化的笔记助手。
在AI技术广泛应用的企业场景中，提高检索准确度和效率已成为关键挑战。特别是面对生成式AI中的“幻觉”问题，企业急需有效解决方案。
近日，来自 CMU 的 Catalyst Group 团队发布了一款 PyTorch 算子编译器 Mirage，用户无需编写任何 CUDA 和 Triton 代码就可以自动生成 GPU 内核，并取得更佳的性能。
曾几何时，LLM还是憨憨的。 脑子里的知识比较混乱，同时上下文窗口长度也有限。 检索增强生成（RAG）的出现在很大程度上提升了模型的性能。
3D生成也能支持检索增强（RAG）了。
近日，在 2024 Inclusion・外滩大会 “超越平面思维，图计算让 AI 洞悉复杂世界” 见解论坛上，蚂蚁集团知识图谱负责人梁磊分享了 “构建知识增强的专业智能体” 相关工作，并带来了知识图谱与大模型结合最新研发成果 —— 知识增强大模型服务框架 KAG。
更好的效果，更低的价格，听起来是不是像梦呓？
上篇已经详细介绍了AI使用知识库进行时到底发生了什么
在把AI大模型能力接入微信后，发现很多朋友想要落地在类似客服的应用场景。但目前大模型存在幻觉，一不留神就胡乱回答，这在严肃的商用场景下是不可接受的。
与 Text2SQL 或 RAG 不同，TAG 充分利用了数据库系统和 LLM 的功能。
