AI教程

本文系统介绍 LLM 评估指标演进：从传统 BLEU/ROUGE，到 BERTScore，再到 LLM-as-Judge 与人工对齐评估。

本教程拆解三种主流 Agent 框架的运作机制、适用场景与工程实现，帮助开发者构建可靠的自主智能体。

对比 OpenAI text-embedding-3、BGE、Cohere 等主流 Embedding 模型，并结合 Milvus / Qdrant / pgvector 给出选型建议。

Model Context Protocol 是 Anthropic 提出的开放标准，让 LLM 能调用外部工具与数据源。本文介绍 MCP 服务器架构、工具注册与调用流程。

LoRA 通过低秩矩阵适配实现参数高效微调，QLoRA 进一步引入 4-bit 量化。本文演示在单卡 24G 显存上微调 7B 模型的完整流程。

RAG 让 LLM 基于外部知识库回答问题，显著降低幻觉。本文涵盖文档切分、向量化、检索、重排与生成各环节的最佳实践。

Transformer 是现代大语言模型的基石。本文介绍自注意力机制、多头注意力、位置编码、前馈网络与残差连接的原理，并配合 PyTorch 实现要点。