V
主页
Mistral发布codestral编程模型,使用LangGraph自我修正测试效果如何
发布人
Mistral 刚刚发布了 Codestral-22B,这是一种性能一流的开放权重代码生成模型,经过 80 多种编程语言的训练,具有多种功能(例如指令、填空)和工具使用。我们展示了如何使用 Codestral 和 LangGraph 构建自我纠正编码助手。 利用从 AlphaCodium 论文中借鉴的理念,我们展示了如何使用 Codestral 进行循环内单元测试和错误反馈,使其能够快速自我纠正错误。 欢迎大家关注加微信进群交流,获取资料
打开封面
下载高清视频
观看高清视频
视频下载器
构建一个自纠错的RAG系统- 实践部分2 用langGraph把所有都串起来
RAG(检索增强)从入门到精通 Raptor
LangGraph- LangChain的多agent框架快速入门
用langGraph 构建客服机器人 全流程-Part1
LangGraph进阶 聊天模型、agent管理者
RAG(检索增强) 从入门到精通 退一步
构建LLAMA3🦙+Groq LangGraph RAG Agent
Pixtral Large-124B:mistral开源124b参数的多模态大模型,其在多语言OCR、推理、图表理解、pdf解析等方面表现卓越
超越GPT-4o!Mistral AI重磅发布多模态大模型Pixtral-Large!结合BERTScore实现更精准的图像和视频目标检测,从此告别大模型幻觉
RAG(检索增强) 从入门到精通 生成
Web浏览器agent LangGraph实现案例
用langGraph 构建客服机器人 全流程-Part4
LangGraph-Reflexion反射Agent 引入外部工具
Flowise重磅更新,零代码实现多文件检索增强生成和AI智能体!支持JinaAI嵌入模型+ministral 8b模型轻松打造RAG知识库!打造专属AI助手
RAG(检索增强) 从入门到精通 索引
RAG(检索增强) 从入门到精通 RAG融合
RAG(检索增强) 从入门到精通 路由(routing)
多Agent思维训练系列 1 – 网络结构的agent
使用LangGraph构建解决奥林匹克问题Agent-Part 1
使用LangGraph构建解决奥林匹克问题Agent-Part 2
RAG(检索增强) 从入门到精通 检索
LangChain Extraction Servie 快速将非结构化数据转化成结构化数据, 免费UI界面无需API无限试用
用langGraph 构建客服机器人 全流程-Part2
构建一个自纠错的RAG系统- 实践部分1 langGraph搭建之前的准备工作
llama3.2本地模型搭建自纠错RAG agent,自动纠正不相关RAG提取内容,完全本地
Gemini新功能 代码执行code execution, 自我迭代的LLM基本快要出来了
LangGraph-Reflection反射Agent
LLAMA3.1 中文数据集微调效果如何?
最强LLAMA3工具调用模型 Firefunction-v2, function call能力和GPT4O不相上下
LangSmith系列 -如何对不同的LLM测评对比,playground快速筛选不同的LLM进行评测
延迟分块 让RAG更加好的 保留上下文
使用Groq RAG检索增强 速度有多快?Langchain发布了Groq模块
微软Autogen框架,实现自动化multi-agent之间的交流,google colab demo演示
Openai 结构化输出 深度思考和高级案例
什么是streaming?如何使用langchain快速实现streaming功能
构建LLAMA3🦙+Groq LangGraph Agent
如何使用微软microsoft autogen自动化推理解决数学问题?
LLAMA 3.1来了 8B,70B,405B 效果如何
如何使用langchain让大模型和你的网站对话,百川大模型接入langchain表现如何
[Part 4] 微调finetuing GPT生成代码,Tokenization