LangChain是一个基于语言模型的平台，用于构建和部署使用RAG技术的大模型应用。它包括查询转换、假设文档嵌入（HyDE）、路由机制、查询构建与索引策略、检索技术，以及最终的生成阶段。
最近，LangChain实现了RAG（检索增强型生成）的指南，为用户提供了学习如何使用LangChain构建和部署RAG技术的大模型应用的详细教程。通过这个指南，用户可以了解如何利用LangChain和RAG技术构建自己的应用，从而实现更高效的信息检索和生成。
相关AI新闻推荐
惊人发现！14%生物医学论文疑似AI代写，你的小心思暴露无遗！
《自然》杂志研究显示，2024年生物医学论文中AI写作痕迹显著：PubMed 150万篇摘要中，超20万篇含AI特征词（如华丽形容词）。非英语国家使用率更高（中国、韩国达15%），低门槛期刊飙升至24%。作者开始规避典型AI词汇，转向通用表达。研究团队分析1400万篇摘要，发现AI正深度影响学术写作风格，呼吁建立规范确保科研严谨性。未来需进一步评估AI对学术文献的实际影响。
2025年7月7号 10:17
1.3k
探秘 LLM 强化学习兼容性:上海交大揭示 Llama 与 Qwen 差异，推出 OctoThinker
大型语言模型（LLM）通过结合任务提示和大规模强化学习(RL)在复杂推理任务中取得了显著进展，如 Deepseek-R1-Zero 等模型直接将强化学习应用于基础模型，展现出强大的推理能力。然而，这种成功在不同的基础模型系列中难以复制，尤其是在 Llama 系列上。这引发了一个核心问题:究竟是什么因素导致了不同基础模型在强化学习过程中表现不一致?强化学习在 Llama 模型上的扩展限制OpenAI 的 o1、o3和 DeepSeek 的 R1等模型在竞赛级数学问题上通过大规模强化学习取得了突破，推动了对千亿参数以下小
2025年7月3号 11:05
1.9k
淘天集团“硬核少年技术节4.0”重磅发布:百亿参数推荐大模型RecGPT正式上线
淘天集团昨日在其“硬核少年技术节4.0”活动上宣布，其自主研发的百亿参数推荐大模型RecGPT已正式上线。这一创新成果将全面升级手机淘宝首页的“猜你喜欢”信息流，通过AIGR（生成式推荐）技术，为用户带来更加精准、个性化的推荐体验。RecGPT的上线，标志着淘宝在电商推荐领域迈出了重要一步。测试数据显示，搭载RecGPT大模型的推荐信息流表现出色，用户点击量实现两位数增长，同时用户加购次数和停留时长也均提升了超过5%。这表明RecGPT在提升用户互动和转化效率方面取得了显著
2025年7月1号 14:08
2.5k
专家揭示构建稳健AI编排层的最佳实践
随着企业加速采用人工智能技术，如何有效管理复杂的AI工作流程成为关键挑战。最新行业分析指出，建立稳健的AI编排层是解决"提示词混乱"问题的有效方案。 AI编排框架的选择困境 当前市场上存在多种AI编排工具和框架，包括LangChain等知名解决方案，这给企业技术选型带来挑战。
2025年6月19号 10:11
950
百度飞桨发布文档解析利器PP-StructureV3：PDF秒变Markdown文件
近日，随着大模型与RAG技术的迅猛发展，结构化数据在智能系统中的价值愈发凸显。在此背景下，如何将文档图像、PDF等非结构化数据精准转换为结构化数据，成为行业亟待攻克的关键难题。针对此现状，飞桨团队凭借深厚的技术积累和对用户需求的深刻洞察，推出新一代文档解析工具——PP-StructureV3，为解决复杂文档解析难题提供了创新方案。 当前，众多开源方案在处理复杂文档时面临诸多挑战，如文字识别不准确、阅读顺序恢复混乱、表格及公式识别效果差等。这些问题严重制约了大模型训练微调的数据质量及AI应用的落地进程。而PP-StructureV3的诞生，正是为了打破这一僵局，为行业带来高效、精准的文档解析体验。
2025年6月18号 8:54
2.7k
Kimi-Dev-72B：开源编码LLM，赋能软件工程问题解决
一款名为 Kimi-Dev-72B 的开源代码大型语言模型（LLM）现已推出，旨在革新软件工程领域的问题解决方式。该模型在 SWE-bench Verified 基准测试中展现出最先进的性能，尤其擅长自主修复 Docker 环境中的真实代码仓库。Kimi-Dev-72B 的核心优势在于其通过大规模强化学习进行优化。它能够独立识别并修复代码缺陷，并在整个测试套件通过时获得奖励，从而确保所提供的解决方案不仅正确，而且鲁棒。该项目已在 Hugging Face 和 GitHub 上开源，开发者可以自由下载和部署。Kimi-Dev-72B 提供了一个简化的两阶
2025年6月17号 9:56
1.7k
RAGFlow震撼来袭！开源RAG引擎解锁深度文档理解，引爆企业AI新革命！
近日，一款名为RAGFlow的开源RAG（检索增强生成）引擎引发了业界广泛关注。这款基于深度文档理解的企业级AI工具，以其强大的多模态数据处理能力和高效的工作流程，为企业处理复杂文档和实现精准问答提供了全新解决方案。RAGFlow:深度文档理解的先锋RAGFlow是一款完全开源的RAG引擎，专注于深度文档理解，旨在帮助企业和个人从海量非结构化数据中提取有价值的信息。不同于传统基于关键词的检索方式，RAGFlow结合大型语言模型（LLM）与先进的文档解析技术，支持从复杂格式的文档(如Wor
2025年6月16号 16:08
6.0k
小红书重磅出击！全新开源大模型 “dots.llm1” 震撼登场，参数量达 1420 亿！
近日，小红书的 hi lab 团队正式推出了其首个开源文本大模型 ——dots.llm1。这一新模型以其卓越的性能和庞大的参数量引起了业界的广泛关注。dots.llm1是一款大规模的混合专家（MoE）语言模型，拥有惊人的1420亿个参数，其中激活参数达到140亿。经过11.2TB 的高质量数据训练，这款模型的性能可以与阿里巴巴的 Qwen2.5-72B 相媲美。这意味着 dots.llm1不仅在文本生成方面具有极高的准确性和流畅度，还能支持更复杂的自然语言处理任务。值得注意的是，这一模型的预训练过程并没有使用合成数据，
2025年6月10号 17:25
4.2k
苹果再轰AI推理能力，GitHub大佬怒怼：这不是推理能力的真实面貌！
最近，苹果公司发布了一篇引发热议的论文，指出当前的大语言模型（LLM）在推理方面存在重大缺陷。这一观点迅速在社交媒体上引起热议，尤其是 GitHub 的高级软件工程师 Sean Goedecke 对此提出了强烈反对。他认为，苹果的结论过于片面，并不能全面反映推理模型的能力。苹果的论文指出，在解决数学和编程等基准测试时，LLM 的表现并不可靠。苹果研究团队采用了汉诺塔这一经典的人工谜题，分析了推理模型在不同复杂度下的表现。研究发现，模型在面对简单谜题时表现较好，而在复杂度
2025年6月10号 16:45
3.3k
文档解析LLM MonkeyOCR震撼登场:3B小模型完胜Gemini
随着大语言模型（LLM）技术的迅猛发展，文档解析领域迎来了一位新星——MonkeyOCR。这款轻量级文档解析模型以其卓越的性能和高效的处理速度，迅速成为业界关注的焦点。MonkeyOCR:小模型，大能量MonkeyOCR以仅3B参数的轻量级架构，在英文文档解析任务中展现出惊艳的性能。根据社交媒体上的最新讨论，MonkeyOCR在多项文档解析任务中超越了Gemini2.5Pro和Qwen2.5-VL-72B等重量级模型，平均性能提升显著。尤其是在复杂文档类型的解析上，MonkeyOCR表现尤为突出，公式解析提升高达15.0%，表格解析提升8
2025年6月9号 11:32
6.5k