文章摘要本文深入探討了生成式AI與知識圖譜的結(jié)合如何重塑企業(yè)數(shù)據(jù)管理和運(yùn)營效率。以Glean為代表的企業(yè)搜索工具，通過GraphRAG技術(shù)，將知識圖譜與大型語言模型（LLM）結(jié)合，為企業(yè)節(jié)省了大量時(shí)間與成本。文章分析了技術(shù)優(yōu)勢、實(shí)施挑戰(zhàn)及未來趨勢，適合對AI創(chuàng)新感興趣的專業(yè)人士閱讀。全文推文一、生成式AI：企業(yè)效率的新引擎想象一個(gè)世界，AI不僅輔助企業(yè)運(yùn)營，還從根本上重塑其運(yùn)作方式。如今，這個(gè)世界已經(jīng)到來，生成式AI技...

圖片LeveragingRetrievalAugmentedLargeLanguageModelsforDietaryRecommendationsWithTraditionalChineseMedicine'sMedicineFoodHomology:AlgorithmDevelopmentandValidation文章摘要研究團(tuán)隊(duì)開發(fā)了YaoshiRAG框架，通過構(gòu)建藥食同源知識圖譜和檢索增強(qiáng)生成技術(shù)，顯著提升了大語言模型在中醫(yī)藥食同源膳食推薦方面的準(zhǔn)確性和可靠性，為傳統(tǒng)中醫(yī)智慧與現(xiàn)代AI技術(shù)的融合開辟了新路徑。原文PDF鏈接:https:t.zsxq.comwiQZ5正文引言：...

本文展示了Anthropic公司的ClaudeAI如何在生命科學(xué)領(lǐng)域發(fā)揮關(guān)鍵作用，通過與制藥公司、生物技術(shù)初創(chuàng)企業(yè)和研究機(jī)構(gòu)的深度合作，在藥物毒性預(yù)測、生物信息學(xué)分析、文獻(xiàn)綜述、臨床數(shù)據(jù)處理等方面實(shí)現(xiàn)突破性進(jìn)展，為生命科學(xué)研究和藥物開發(fā)帶來前所未有的效率提升。Claude在生命科學(xué)領(lǐng)域的核心價(jià)值Claude作為Anthropic開發(fā)的先進(jìn)AI大語言模型，正在生命科學(xué)領(lǐng)域掀起一場技術(shù)革命。該平臺專門為制藥公司、生物技術(shù)初創(chuàng)企業(yè)和研究機(jī)...

DeepSeekOCR提出了一種革命性的方法，通過將文本轉(zhuǎn)換為圖像并使用專門的視覺編碼器進(jìn)行光學(xué)壓縮，解決了大語言模型在處理長文本時(shí)面臨的計(jì)算成本爆炸性增長問題，實(shí)現(xiàn)了10:1的壓縮比下97%的準(zhǔn)確率。https:github.comdeepseekaiDeepSeekOCR大語言模型的致命瓶頸大語言模型雖然功能強(qiáng)大，但它們有一個(gè)顯著的阿喀琉斯之踵：記憶能力限制。當(dāng)我們向LLM輸入長文檔（如書籍或詳細(xì)報(bào)告）時(shí)，模型開始出現(xiàn)困難。計(jì)算成本呈爆炸性增長，...

導(dǎo)語當(dāng)我們用大模型回答復(fù)雜問題時(shí)，最怕兩件事：一本正經(jīng)地“胡說八道”，以及答非所問。原因往往并不在模型“不會”，而是訓(xùn)練語料里知識缺失或過時(shí)、推理路徑不可靠。來自西安交通大學(xué)等機(jī)構(gòu)的團(tuán)隊(duì)提出了一個(gè)簡單而有效的思路：把知識圖譜里本來就存在的“先驗(yàn)”用起來，用結(jié)構(gòu)先驗(yàn)提升推理“忠實(shí)度”，用約束先驗(yàn)提升答案“可靠性”。他們把這套方法命名為DeliberationonPriors（DP），論文已上線arXiv，代碼也已開源。論文...

QwQMed3是一個(gè)基于UMLS知識圖譜的320億參數(shù)醫(yī)療大模型，通過自底向上的組合推理方法，在ICDBench評測中全面超越現(xiàn)有模型，為專業(yè)領(lǐng)域超級智能提供了新的技術(shù)路徑。引言：醫(yī)療AI的范式革命在人工智能快速發(fā)展的今天，大型語言模型（LLM）在各個(gè)領(lǐng)域展現(xiàn)出了驚人的能力。然而，在醫(yī)療這樣的專業(yè)領(lǐng)域，傳統(tǒng)的"自頂向下"訓(xùn)練方法——即在大規(guī)模通用語料庫上進(jìn)行預(yù)訓(xùn)練——往往面臨著準(zhǔn)確性和可靠性的挑戰(zhàn)。QwQMed3的出現(xiàn)，為我們展...

摘要:盡管人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用日益廣泛，但放射科醫(yī)生的需求量卻達(dá)到了歷史新高。本文探討了這一悖論背后的原因，分析了AI在放射學(xué)應(yīng)用中面臨的挑戰(zhàn)，以及人類醫(yī)生在診斷、與患者溝通和處理復(fù)雜病例方面的獨(dú)特優(yōu)勢。文章指出，AI在放射學(xué)領(lǐng)域的應(yīng)用并非簡單的替代，而是與人類醫(yī)生相互協(xié)作，提高效率和診斷準(zhǔn)確性的過程。隨著人工智能（AI）技術(shù)的快速發(fā)展，許多行業(yè)都面臨著被自動化取代的擔(dān)憂。然而，在醫(yī)學(xué)影像領(lǐng)域...

摘要基于圖的檢索增強(qiáng)生成（RAG）方法顯著提升了大型語言模型（LLMs）在特定領(lǐng)域任務(wù)中的性能。然而，現(xiàn)有的RAG方法未能充分利用人類認(rèn)知中固有的層次知識，這限制了RAG系統(tǒng)的能力。本文介紹了一種新的RAG方法，稱為HiRAG，它利用層次知識來增強(qiáng)RAG系統(tǒng)在索引和檢索過程中的語義理解和結(jié)構(gòu)捕捉能力。我們的廣泛實(shí)驗(yàn)表明，HiRAG相較于最先進(jìn)的基線方法取得了顯著的性能提升https:github.comhhyhuangHiRAG全文鏈接：https:t.zsxq....

摘要可充電電池對于實(shí)現(xiàn)碳中和以及推動可再生能源轉(zhuǎn)型至關(guān)重要。它們的進(jìn)步需要在微觀（材料）、設(shè)備（制造）和系統(tǒng)（控制與優(yōu)化）層面進(jìn)行創(chuàng)新。然而，傳統(tǒng)的試錯(cuò)方法無法滿足現(xiàn)代科學(xué)的需求。作為一種變革性的人工智能技術(shù)，大型語言模型（LLMs）提供了強(qiáng)大的語義理解和推理能力，推動了電池研究領(lǐng)域向解決多層次創(chuàng)新需求的范式轉(zhuǎn)變。盡管如此，該領(lǐng)域仍面臨雙重挑戰(zhàn)：模糊的技術(shù)路線圖和在階段性成就上的分散進(jìn)展。本綜述系...

文章摘要海外圖譜增強(qiáng)大模型公司W(wǎng)riter宣布對其聊天應(yīng)用進(jìn)行重大升級，新增支持1000萬詞匯輸入的內(nèi)置RAG技術(shù)、可解釋AI功能、專用模式等特性，旨在幫助企業(yè)構(gòu)建更準(zhǔn)確、透明且易用的生產(chǎn)級AI應(yīng)用。引言：企業(yè)生成式AI應(yīng)用的挑戰(zhàn)與機(jī)遇在數(shù)字化轉(zhuǎn)型的浪潮中，生成式AI正在重塑企業(yè)的工作方式。然而，許多企業(yè)在構(gòu)建準(zhǔn)確、可投入生產(chǎn)的AI應(yīng)用時(shí)面臨著巨大挑戰(zhàn)。一項(xiàng)針對500名高管和AI專業(yè)人士的調(diào)查顯示，大多數(shù)內(nèi)部生成式AI項(xiàng)目...

文章摘要人工智能（AI）正深刻改變我們的生活，尤其在醫(yī)療領(lǐng)域展現(xiàn)出巨大潛力。約翰霍普金斯醫(yī)學(xué)中心正在臨床護(hù)理、研究和教育三大使命中推動AI創(chuàng)新。從AI文書工具到癌癥AI聯(lián)盟，再到生命科學(xué)大樓的數(shù)據(jù)科學(xué)投資，約翰霍普金斯正引領(lǐng)現(xiàn)代醫(yī)學(xué)的未來。本文深入探討這些突破性進(jìn)展及其對醫(yī)療行業(yè)的深遠(yuǎn)影響。引言：AI與醫(yī)療的深度融合在我們的日常生活中，人工智能（AI）早已無處不在——從搜索引擎到社交媒體，再到交通導(dǎo)航和文...

文章摘要大型語言模型雖然具備流暢的文本生成能力，但在準(zhǔn)確性和可靠性方面存在重大缺陷。研究人員提出將符號知識和邏輯推理整合到AI系統(tǒng)中，構(gòu)建可信賴、透明且一致的AI模型，為高風(fēng)險(xiǎn)領(lǐng)域的AI應(yīng)用提供解決方案。引言：生成式AI的雙面性當(dāng)前的大型語言模型(LLMs)如GPT和Claude展現(xiàn)出令人驚嘆的語言流暢性和巧妙的模仿能力，徹底改變了機(jī)器生成類人文本的方式。然而，這些看似智能的系統(tǒng)在需要精確、一致和可解釋推理的領(lǐng)域中仍...

摘要DoorDash面對用戶復(fù)雜搜索需求，構(gòu)建了基于大語言模型的混合檢索系統(tǒng)。通過知識圖譜約束LLM輸出，實(shí)現(xiàn)精準(zhǔn)查詢理解和實(shí)體鏈接，顯著提升搜索相關(guān)性。該方案在"熱門菜品"功能上取得30%觸發(fā)率提升，為企業(yè)級搜索系統(tǒng)提供了寶貴經(jīng)驗(yàn)。正文一、DoorDash搜索挑戰(zhàn)：精確性與靈活性的平衡在DoorDash平臺上，用戶經(jīng)常使用包含多重要求的精確搜索查詢。例如，當(dāng)用戶搜索"veganchickensandwich"（素食雞肉三明治）時(shí)，傳統(tǒng)基于文檔相...

?摘要盡管大型語言模型（LLMs）在各個(gè)領(lǐng)域取得了成功，但由于兩個(gè)關(guān)鍵障礙，它們在中醫(yī)藥（TCM）領(lǐng)域的潛力仍未被充分探索：（1）高質(zhì)量中醫(yī)藥數(shù)據(jù)的稀缺性；（2）中醫(yī)藥診斷固有的多模態(tài)特性，包括觀察、聽診、嗅聞和脈診。這些感官豐富的模態(tài)超出了傳統(tǒng)LLMs的范圍。為了應(yīng)對這些挑戰(zhàn)，我們提出了石真GPT，這是首款專為中醫(yī)藥定制的多模態(tài)大型語言模型。為了克服數(shù)據(jù)稀缺問題，我們整理了迄今為止最大的中醫(yī)藥數(shù)據(jù)集，包括100...

摘要比利時(shí)FoodpairingAI依托15年數(shù)據(jù)積累構(gòu)建企業(yè)級知識圖譜，將2萬種食材、300萬產(chǎn)品與千萬級食譜、社交媒體數(shù)據(jù)無縫融合，大幅縮短研發(fā)周期、降低成本，助力CPG企業(yè)快速推出深受消費(fèi)者喜愛的產(chǎn)品。一、引言：數(shù)據(jù)驅(qū)動的食品創(chuàng)新在競爭激烈的快消品（CPG）行業(yè)，誰能快速、精準(zhǔn)地推出受消費(fèi)者歡迎的新品，誰就能搶占先機(jī)。比利時(shí)數(shù)據(jù)與商業(yè)智能公司FoodpairingAI正是憑借強(qiáng)大的數(shù)據(jù)整合與分析能力，結(jié)合先進(jìn)的知識圖譜技術(shù)，...

摘要在AI時(shí)代，“提示工程”正在讓位于更強(qiáng)大的“上下文工程”。上下文工程不僅是寫一個(gè)提示詞，而是為模型設(shè)計(jì)、收集、組織所有必要的信息與工具，使其能在恰當(dāng)?shù)臅r(shí)間以最優(yōu)的方式完成任務(wù)。這一理念正成為打造高效AI智能體的關(guān)鍵。1.從提示工程到上下文工程在過去，AI應(yīng)用的核心技能是編寫精確的提示詞（PromptEngineering）。然而，隨著大型語言模型（LLM）和自主智能體（Agents）的普及，我們發(fā)現(xiàn)，影響智能體成敗的最大因...

文章摘要隨著人工智能技術(shù)的飛速發(fā)展，RetrievalAugmentedGeneration(RAG)及其衍生的GraphRAG和AgenticRAG正在成為AI領(lǐng)域的核心工具。本文系統(tǒng)梳理了三者的定義、區(qū)別與應(yīng)用場景，幫助專業(yè)人士精準(zhǔn)把握各自優(yōu)勢，為企事業(yè)單位與科研院所的AI應(yīng)用與投資決策提供新思路。1什么是RAG？檢索增強(qiáng)生成的核心價(jià)值RAG（RetrievalAugmentedGeneration）是一種使大型語言模型（LLM）能夠?qū)崟r(shí)獲取外部信息的技術(shù)。過去的AI模型僅能依賴訓(xùn)練...

?摘要知識圖譜作為連接和分析復(fù)雜關(guān)系數(shù)據(jù)的強(qiáng)大工具，正引領(lǐng)企業(yè)實(shí)現(xiàn)數(shù)據(jù)價(jià)值。然而，其落地面臨高技術(shù)門檻、領(lǐng)域知識依賴及維護(hù)難題。本文系統(tǒng)解讀挑戰(zhàn)本質(zhì)、主流誤區(qū)與優(yōu)化策略，助力專業(yè)人員釋放最大價(jià)值。知識圖譜的承諾與難題知識圖譜因能以結(jié)構(gòu)化、互聯(lián)的方式表達(dá)和管理實(shí)體及其復(fù)雜關(guān)系而備受矚目，被譽(yù)為革新搜索引擎與數(shù)據(jù)管理的重要技術(shù)。從客戶360度視圖到反欺詐、供應(yīng)鏈等場景，知識圖譜正推動各行業(yè)實(shí)現(xiàn)數(shù)據(jù)融合...

摘要大型語言模型（LLMs）在醫(yī)療報(bào)告生成（MRG）中展現(xiàn)了顯著潛力，然而其開發(fā)需要大量的醫(yī)學(xué)影像報(bào)告對，這些數(shù)據(jù)通常分散在多個(gè)中心。由于隱私法規(guī)的原因，集中這些數(shù)據(jù)異常具有挑戰(zhàn)性，從而阻礙了模型開發(fā)和更廣泛采用基于LLM的MRG模型。為了應(yīng)對這一挑戰(zhàn)，我們提出了FedMRG，這是首個(gè)利用聯(lián)邦學(xué)習(xí)（FL）實(shí)現(xiàn)隱私保護(hù)、多中心開發(fā)的基于LLM的MRG模型框架，專門設(shè)計(jì)用于克服在多模態(tài)數(shù)據(jù)異質(zhì)性下通信高效的LLM訓(xùn)練的關(guān)鍵挑戰(zhàn)...

摘要本文探討了GraphRAG（檢索增強(qiáng)生成）技術(shù)的實(shí)現(xiàn)方法，指出開發(fā)者在構(gòu)建GraphRAG系統(tǒng)時(shí)往往過度依賴復(fù)雜的圖數(shù)據(jù)庫、查詢語言和分析工具。作者強(qiáng)調(diào)，生成式AI的用例與傳統(tǒng)圖分析場景根本不同，大多數(shù)GraphRAG應(yīng)用只需要進(jìn)行局部鄰域探索，而不需要復(fù)雜的全圖分析。文章建議采用以向量存儲為核心、按需添加圖功能的簡化架構(gòu)，避免不必要的技術(shù)復(fù)雜性。當(dāng)RAG開發(fā)者決定嘗試GraphRAG時(shí)——即構(gòu)建知識圖譜并將其集成到他們的RAG...