需求人群:
"目标受众为数据科学家、开发者和任何需要从大量非结构化数据中提取信息并构建知识图谱的专业人士。该产品适合他们,因为它简化了从复杂数据源中提取有用信息的过程,提高了效率并促进了知识的可视化和分析。"
使用场景示例:
从学术论文中提取关键概念并构建领域知识图谱。
分析社交媒体数据,识别趋势和影响力人物。
整合企业内部文档,构建内部知识管理系统。
产品特色:
知识图谱创建:使用LLMs将非结构化数据转换为结构化知识图谱。
提供模式:自定义模式或使用设置中的现有模式生成图。
查看图谱:在Bloom中查看特定来源或多个来源的图谱。
与数据对话:通过对话式查询与Neo4j数据库中的数据进行交互,也可以检索有关查询响应来源的元数据。
本地部署:通过docker-compose运行,支持OpenAI和Diffbot。
云部署:支持在Google Cloud Platform上部署应用程序和包。
环境配置:根据需要配置环境变量以启用特定功能或集成。
使用教程:
1. 确保拥有Neo4j数据库V5.15或更高版本,并安装APOC。
2. 创建并配置.env文件,输入必要的API密钥。
3. 选择文件来源,例如本地文件、YouTube视频或网页。
4. 上传文件到系统,选择LLM模型进行知识图谱生成。
5. 在Bloom中查看和分析生成的知识图谱。
6. 通过聊天机器人与数据库进行交互,提出问题并获取答案。
7. 根据需要调整环境变量和配置,以适应不同的部署环境。
浏览量:242
最新流量情况
月访问量
4.89m
平均访问时长
00:06:37
每次访问页数
5.70
跳出率
37.28%
流量来源
直接访问
52.59%
自然搜索
32.74%
邮件
0.05%
外链引荐
12.33%
社交媒体
2.17%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
12.61%
德国
3.57%
印度
9.68%
俄罗斯
4.81%
美国
18.94%
构建知识图谱的Neo4j应用
llm-graph-builder是一个利用大型语言模型(如OpenAI、Gemini等)从非结构化数据(PDF、DOCS、TXT、YouTube视频、网页等)中提取节点、关系及其属性,并使用Langchain框架创建结构化知识图谱的应用程序。它支持从本地机器、GCS或S3存储桶或网络资源上传文件,选择LLM模型并生成知识图谱。
利用大型语言模型增量构建知识图谱
iText2KG是一个Python包,旨在利用大型语言模型从文本文档中提取实体和关系,增量构建一致的知识图谱。它具备零样本能力,允许在没有特定训练的情况下跨不同领域进行知识提取。该包包括文档蒸馏、实体提取和关系提取模块,确保实体和关系得到解决和唯一性。它通过Neo4j提供知识图谱的可视化表示,支持交互式探索和分析结构化数据。
开源知识图谱构建模型,成本低廉
Triplex是一个创新的开源模型,能够将大量非结构化数据转换为结构化数据,其在知识图谱构建方面的表现超越了gpt-4o,且成本仅为其十分之一。它通过高效的将非结构化文本转换为知识图谱的构建基础——语义三元组,大幅降低了知识图谱的生成成本。
基于知识增强的生成框架,用于构建专业的知识服务
KAG(Knowledge Augmented Generation)是一个专业的领域知识服务框架,旨在通过知识图谱和向量检索的优势,双向增强大型语言模型和知识图谱,解决RAG(Retrieval Augmentation Generation)技术在向量相似性与知识推理相关性之间的大差距、对知识逻辑不敏感等问题。KAG在多跳问答任务上的表现显著优于NaiveRAG、HippoRAG等方法,例如在hotpotQA上的F1分数相对提高了19.6%,在2wiki上提高了33.5%。KAG已成功应用于蚂蚁集团的两个专业知识问答任务中,包括政务问答和健康问答,与RAG方法相比,专业性得到了显著提升。
长视频语言理解的时空自适应压缩模型
LongVU是一种创新的长视频语言理解模型,通过时空自适应压缩机制减少视频标记的数量,同时保留长视频中的视觉细节。这一技术的重要性在于它能够处理大量视频帧,且在有限的上下文长度内仅损失少量视觉信息,显著提升了长视频内容理解和分析的能力。LongVU在多种视频理解基准测试中均超越了现有方法,尤其是在理解长达一小时的视频任务上。此外,LongVU还能够有效地扩展到更小的模型尺寸,同时保持最先进的视频理解性能。
将GitHub链接转换为适合LLM的格式
GitHub to LLM Converter是一个在线工具,旨在帮助用户将GitHub上的项目、文件或文件夹链接转换成适合大型语言模型(LLM)处理的格式。这一工具对于需要处理大量代码或文档数据的开发者和研究人员来说至关重要,因为它简化了数据准备过程,使得这些数据可以被更高效地用于机器学习或自然语言处理任务。该工具由Skirano开发,提供了一个简洁的用户界面,用户只需输入GitHub链接,即可一键转换,极大地提高了工作效率。
1位大型语言模型推理框架
BitNet是由微软开发的官方推理框架,专为1位大型语言模型(LLMs)设计。它提供了一套优化的核心,支持在CPU上进行快速且无损的1.58位模型推理(NPU和GPU支持即将推出)。BitNet在ARM CPU上实现了1.37倍到5.07倍的速度提升,能效比提高了55.4%到70.0%。在x86 CPU上,速度提升范围从2.37倍到6.17倍,能效比提高了71.9%到82.2%。此外,BitNet能够在单个CPU上运行100B参数的BitNet b1.58模型,实现接近人类阅读速度的推理速度,拓宽了在本地设备上运行大型语言模型的可能性。
由NVIDIA定制的大型语言模型,提升查询回答的帮助性。
Llama-3.1-Nemotron-70B-Instruct是NVIDIA定制的大型语言模型,专注于提升大型语言模型(LLM)生成回答的帮助性。该模型在多个自动对齐基准测试中表现优异,例如Arena Hard、AlpacaEval 2 LC和GPT-4-Turbo MT-Bench。它通过使用RLHF(特别是REINFORCE算法)、Llama-3.1-Nemotron-70B-Reward和HelpSteer2-Preference提示在Llama-3.1-70B-Instruct模型上进行训练。此模型不仅展示了NVIDIA在提升通用领域指令遵循帮助性方面的技术,还提供了与HuggingFace Transformers代码库兼容的模型转换格式,并可通过NVIDIA的build平台进行免费托管推理。
文本到图像生成的自适应工作流
ComfyGen 是一个专注于文本到图像生成的自适应工作流系统,它通过学习用户提示来自动化并定制有效的工作流。这项技术的出现,标志着从使用单一模型到结合多个专业组件的复杂工作流的转变,旨在提高图像生成的质量。ComfyGen 背后的主要优点是能够根据用户的文本提示自动调整工作流,以生成更高质量的图像,这对于需要生成特定风格或主题图像的用户来说非常重要。
高效能的语言模型,支持本地智能和设备端计算。
Ministral-8B-Instruct-2410是由Mistral AI团队开发的一款大型语言模型,专为本地智能、设备端计算和边缘使用场景设计。该模型在类似的大小模型中表现优异,支持128k上下文窗口和交错滑动窗口注意力机制,能够在多语言和代码数据上进行训练,支持函数调用,词汇量达到131k。Ministral-8B-Instruct-2410模型在各种基准测试中表现出色,包括知识与常识、代码与数学以及多语言支持等方面。该模型在聊天/竞技场(gpt-4o判断)中的性能尤为突出,能够处理复杂的对话和任务。
开源工具,简化从非结构化文档中提取和探索结构化数据。
Knowledge Table 是一个开源工具包,旨在简化从非结构化文档中提取和探索结构化数据的过程。它通过自然语言查询界面,使用户能够创建结构化的知识表示,如表格和图表。该工具包具有可定制的提取规则、精细调整的格式化选项,并通过UI显示的数据溯源,适应多种用例。它的目标是为业务用户提供熟悉的电子表格界面,同时为开发者提供灵活且高度可配置的后端,确保与现有RAG工作流程的无缝集成。
AI驱动的数据分析和可视化平台
SheetBot AI是一个利用人工智能技术,为用户提供数据分析、可视化和数据转换的一体化平台。它通过简化数据操作流程,允许用户用自然语言提问,快速获取AI驱动的洞察,并即时生成可视化结果。该产品通过自动化重复性的数据工作,节省用户时间,提高工作效率。它支持上传多种数据文件格式,包括但不限于电子表格,并提供高RAM环境以处理大型数据集。此外,SheetBot AI还强调数据安全性,确保用户数据在传输和处理过程中的加密和隔离。
多模态大型语言模型的优化与分析
MM1.5是一系列多模态大型语言模型(MLLMs),旨在增强文本丰富的图像理解、视觉指代表明和接地以及多图像推理的能力。该模型基于MM1架构,采用以数据为中心的模型训练方法,系统地探索了整个模型训练生命周期中不同数据混合的影响。MM1.5模型从1B到30B参数不等,包括密集型和混合专家(MoE)变体,并通过广泛的实证研究和消融研究,提供了详细的训练过程和决策见解,为未来MLLM开发研究提供了宝贵的指导。
突破大型语言模型限制的自动化框架
AutoDAN-Turbo是一个自动化的、无需人为干预的框架,旨在自动发现并实施多种策略,以突破大型语言模型(LLMs)的限制。该框架能够自动开发出多样的攻击策略,显著提高了攻击成功率,并且可以作为一个统一的框架整合现有的人为设计的越狱策略。AutoDAN-Turbo的重要性在于其能够提升LLMs在对抗环境中的安全性和可靠性,为红队评估工具提供了一种新的自动化方法。
AI模型选择助手
Lumigator 是 Mozilla.ai 开发的一款产品,旨在帮助开发者从众多大型语言模型(LLM)中选择最适合其特定项目的模型。它通过提供任务特定的指标框架来评估模型,确保所选模型能够满足项目需求。Lumigator 的愿景是成为一个开源平台,促进道德和透明的AI开发,并填补行业工具链中的空白。
客户数据统一与检索平台
Tilores Identity RAG 是一个为大型语言模型(LLMs)提供客户数据搜索、统一和检索服务的平台。它通过实时模糊搜索技术,处理拼写错误和不准确信息,提供准确、相关且统一的客户数据响应。该平台解决了大型语言模型在检索结构化客户数据时面临的挑战,如数据来源分散、搜索词不完全匹配时难以找到客户数据,以及统一客户记录的复杂性。它允许快速检索结构化客户数据,构建动态客户档案,并在查询时提供实时统一且准确的客户数据。
前沿级多模态大型语言模型
NVLM 1.0是NVIDIA ADLR推出的前沿级多模态大型语言模型系列,它在视觉-语言任务上达到了业界领先水平,与顶级专有模型和开放访问模型相媲美。该模型在多模态训练后,甚至在纯文本任务上的准确性上也有所提高。NVLM 1.0的开源模型权重和Megatron-Core训练代码为社区提供了宝贵的资源。
前沿的多模态大型语言模型
NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型,专注于视觉-语言任务,并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。
糖尿病护理专用的大型语言模型
Diabetica-7B是一个针对糖尿病护理领域优化的大型语言模型。它在糖尿病相关的多种任务上表现出色,包括诊断、治疗建议、药物管理、生活方式建议、患者教育等。该模型基于开源模型进行微调,使用特定疾病数据集和微调技术,提供了一个可复现的框架,可以加速AI辅助医疗的发展。此外,它还经过了全面的评估和临床试验,以验证其在临床应用中的有效性。
糖尿病护理专用的大型语言模型
Diabetica-1.5B是一个为糖尿病护理领域特别定制的大型语言模型,它在诊断、治疗建议、药物管理、生活方式建议、患者教育等多个与糖尿病相关的任务中表现出色。该模型基于开源模型开发,并利用特定疾病数据集进行微调,提供了一个可复现的框架,可以加速AI辅助医疗的发展。
多模态大型语言模型,支持图像和文本处理。
Llama-3.2-11B-Vision 是 Meta 发布的一款多模态大型语言模型(LLMs),它结合了图像和文本处理的能力,旨在提高视觉识别、图像推理、图像描述和回答有关图像的一般问题的性能。该模型在常见的行业基准测试中的表现超过了众多开源和封闭的多模态模型。
多语言大型语言模型
Llama 3.2是由Meta公司推出的多语言大型语言模型(LLMs),包含1B和3B两种规模的预训练和指令调优生成模型。这些模型在多种语言对话用例中进行了优化,包括代理检索和总结任务。Llama 3.2在许多行业基准测试中的表现优于许多现有的开源和封闭聊天模型。
AI与产品管理领域的知识社区
觅识AI社区是一个专注于人工智能与产品管理领域的知识社区,提供AI产品管理的相关知识体系和研发产品用例。社区成员有机会成为'超级个体和一人公司'。可通过邮件或社交媒体与主理人联系,加入AI PM社区。
基于图的科学发现与知识提取
GraphReasoning是一个利用生成式人工智能技术将1000篇科学论文转化为知识图谱的项目。通过结构化分析,计算节点度、识别社区和连接性,评估聚类系数和关键节点的介数中心性,揭示了迷人的知识架构。该图谱具有无标度性质,高度互联,可用于图推理,利用传递性和同构性质揭示前所未有的跨学科关系,用于回答问题、识别知识空白、提出前所未有的材料设计和预测材料行为。
利用本地Llama模型构建知识图谱,探索相关问题和答案。
Local Knowledge Graph是一个基于Flask的Web应用程序,它使用本地Llama语言模型来处理用户查询,生成逐步推理,并以交互式知识图谱的形式可视化思考过程。它还能根据语义相似性找到并显示相关问题和答案。该应用程序的主要优点包括实时显示推理过程、动态知识图谱可视化、计算并显示最强推理路径、以及基于语义相似性的相关问答。
自动化科学研究的多智能体图推理系统。
SciAgentsDiscovery 是一个利用多智能体系统和大规模本体知识图谱,自动化科学研究的系统。它通过整合大型语言模型、数据检索工具和多智能体学习系统,能够自主生成和完善研究假设,揭示潜在的机制、设计原则和意外材料属性。该系统在生物启发材料领域展示了其跨学科关系的发现能力,超越了传统人类驱动的研究方法。
前沿级多模态大型语言模型,实现视觉-语言任务的先进性能。
NVLM 1.0是一系列前沿级的多模态大型语言模型(LLMs),在视觉-语言任务上取得了与领先专有模型和开放访问模型相媲美的先进成果。值得注意的是,NVLM 1.0在多模态训练后,其文本性能甚至超过了其LLM主干模型。我们为社区开源了模型权重和代码。
高效单遍统一生成和检索框架,适用于大型语言模型。
OneGen是一个为大型语言模型(LLMs)设计的高效单遍生成和检索框架,用于微调生成、检索或混合任务。它的核心思想是将生成和检索任务整合到同一上下文中,通过将检索任务分配给以自回归方式生成的检索令牌,使得LLM能够在单次前向传递中执行两种任务。这种方法不仅降低了部署成本,还显著减少了推理成本,因为它避免了对查询进行两次前向传递计算的需求。
© 2024 AIbase 备案号:闽ICP备08105208号-14