人工智能技术文章-Golang学习网

分类:

最新
热门

请选择

三天内一周内一月内三月内

大模型工具调用参数为空怎么办：Go 用 json.RawMessage 区分缺失与 null

大模型工具调用经常把参数省略、传 null 和传空对象混在一起。本文用 Go 的 json.RawMessage 保留原始状态，再按工具契约做缺失、null、空对象和合法参数的分支校验。

科技周边 · 人工智能 | 4星期前 | JSON · go · 参数校验 · 人工智能 · 工具调用 · 人工智能 Go 参数校验 json.RawMessage 工具调用 443浏览收藏
大模型输出为什么会重复：temperature、top_p 与停止条件的排查边界

大模型回答出现整段重复时，不要只把 temperature 调高。本文按请求参数、采样范围和停止条件拆开排查，给出一个可复现的参数核对流程，并说明哪些现象属于模型能力边界，哪些是客户端拼接造成的。

科技周边 · 人工智能 | 4星期前 | 人工智能 · 接口调试 · 生成参数大模型输出重复 temperature top_p 停止条件 470浏览收藏
向量检索为什么要统一维度：OpenAI Embeddings 的 dimensions 参数与索引迁移

向量检索系统里，模型、dimensions 参数和索引维度必须形成一份可检查的契约。本文用 OpenAI Embeddings 的请求参数、双索引回填和查询路由，说明如何迁移维度而不让新旧向量混在一起。

科技周边 · 人工智能 | 1个月前 | 人工智能 · rag · 向量检索 · 向量数据库向量维度 OpenAI Embeddings dimensions 索引迁移 105浏览收藏
大模型评测为什么偏爱更长答案：位置偏差、盲评与成对比较

大模型评测中的长答案偏好，往往和位置偏差、格式线索混在一起。本文用成对盲评、交换答案位置和重复试验拆开这几个因素，并给出可复核的 Python 验收流程。

科技周边 · 人工智能 | 1个月前 | 人工智能 · 工程实践 · 位置偏差大模型评测 LLM-as-a-Judge 盲评成对比较 329浏览收藏
RAG 文档切片 overlap 怎么定：按标题层级、token 上限和检索命中做验证

RAG 的 chunk overlap 不是越大越好。本文从标题层级切片、token 上限和检索命中三个可测边界出发，给出一套可复现的初始参数、验证方法和调整顺序。

科技周边 · 人工智能 | 1个月前 | 人工智能 · rag · 知识库 · 工程实践 · 向量检索 · token RAG 召回率向量检索文档切片 chunk overlap 309浏览收藏
RAG 检索结果如何按置信度分层：上下文截断与引用保留

RAG 应用不能把最高相似度直接当成答案可信度。本文用可复现的分层规则，把 query_embedding、similarity_score、上下文预算和引用保留串成一条检索到回答的质量控制链。

科技周边 · 人工智能 | 1个月前 | 人工智能 · rag · 向量数据库 · 引用 RAG 置信度向量检索上下文截断 325浏览收藏
视觉语言模型 OCR 结果为什么会漂移：图片裁切、坐标归一化与结构化校验

视觉语言模型接入 OCR 时，结果漂移往往不是模型突然失忆，而是裁切坐标、原图尺寸和结构化字段没有对齐。本文用一条可复核的数据路径拆开问题，并给出校验与回退做法。

科技周边 · 人工智能 | 1个月前 | ai · 工程实践 · OCR 视觉语言模型结构化输出坐标归一化 406浏览收藏
RAG 检索结果如何做来源分层：上下文拼接、引用保留与空结果处理

RAG 流程里，检索命中不等于可以直接交给模型。本文用来源分层、上下文拼接、引用保留和空结果分支，搭出一条可核对、可回退的回答链路。

科技周边 · 人工智能 | 1个月前 | 人工智能 · rag · 检索增强生成 RAG 来源引用上下文拼接 170浏览收藏
MCP capability negotiation 怎么确认客户端支持 elicitation：form 与 url 的分支判断

MCP 服务端不能看到客户端声明了 elicitation 就直接发送任意模式。本文按初始化能力、form 与 url 分支、请求结果和失败回退，说明如何核对客户端支持范围并守住敏感信息边界。

科技周边 · 人工智能 | 1个月前 | 人工智能 · mcp · URL MCP form Elicitation capability negotiation 221浏览收藏
向量检索召回很多但答案变差：按来源分组保留上下文多样性

向量检索的 top_k 越大不一定让 RAG 答案更好。本文用一个可运行的 Python 小实验说明如何按 source_id 分组、保留上下文多样性，再把有限的候选片段交给生成模型。

科技周边 · 人工智能 | 1个月前 | python · 人工智能 · rag · 向量数据库 · RAG 向量检索上下文多样性来源分组 top_k 261浏览收藏
Python 调用大模型时如何用结构化输出校验 JSON：从解析失败到可重试

用 Python 把大模型返回的 JSON 经过解析、字段校验和有限重试，避免把半截或缺字段的数据直接写入业务流程。

科技周边 · 人工智能 | 1个月前 | JSON · python · 重试 · Python 人工智能结构化输出 JSON校验 501浏览收藏
RAG 检索结果为什么会被上下文窗口截断：召回排序与提示词预算怎么分配

RAG 不是召回越多越好。本文从 retrieve、rerank、budget、prompt 四个真实环节拆解上下文被截断的原因，并给出可验证的预算分配与降级方案。

科技周边 · 人工智能 | 1个月前 | 人工智能 · rag · 检索增强生成 RAG 上下文窗口提示词预算 495浏览收藏
多模态批处理结果如何稳定对账：custom_id、JSONL 顺序与失败重试边界

多模态批处理完成后，输入行与输出行可能顺序不同，失败请求也可能单独落在错误文件。本文用 custom_id 建立稳定主键，再按 JSONL 逐行解析、分离成功与失败，并给出可重跑而不重复记账的对账流程。

科技周边 · 人工智能 | 1个月前 | 人工智能 · 工程实践 · 多模态 · 批处理多模态失败重试 JSONL custom_id 319浏览收藏
RAG 多路检索结果如何去重合并：来源优先级、分组与引用回填

关键词检索和向量检索各自找到了内容，合并后却出现重复段落、来源顺序混乱或引用丢失，问题往往出在结果融合阶段。本文用可运行的 Python 示例拆开去重、分组、来源优先级与引用回填，让多路 RAG 的合并结果可解释、可回归。

科技周边 · 人工智能 | 1个月前 | 人工智能 · rag · RAG 多路检索结果去重引用回填 208浏览收藏
大模型流式输出断在半句：增量 JSON 缓冲、finish_reason 与重连收口

大模型流式响应偶尔停在半句时，不能只把已收到的字符串直接展示。本文用增量 JSON 缓冲、finish_reason 和重连状态拆开定位，并给出可复查的收口方案。

科技周边 · 人工智能 | 1个月前 | 348浏览收藏

1 13 14 15 500

查看更多

课程推荐

前端进阶之JavaScript设计模式

设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。

543次学习
GO语言核心编程课程

本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。

516次学习
简单聊聊mysql8与网络通信

如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让

500次学习
JavaScript正则表达式基础与实战

在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。

487次学习
从零制作响应式网站—Grid布局

本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。

485次学习
Golang深入理解GPM模型

Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。

474次学习

查看更多

AI推荐

PubMedQA

深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。

255次使用
H2O EvalGPT

H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。

298次使用
LMArena

LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。

274次使用
HELM

深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。

252次使用
MMBench

MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。

59次使用