本期分享的内容包括：如何利用这些多模态模型实现企业工作流程的端到端自动化；英伟达研究团队通过严谨的测试发现大多数商业模型的上下文长度虚标严重，甚至达到 32K 上下文长度的都不多；如何针对 GPT-4o 语音模式的进行越狱攻击；产品方面剖析了 Meta、Slack、Spotify 等 20+顶级科技公司如何将 AI 融入其产品中；a16z 盘点了 AIGC 如何推动营销和销售领域的发展，包括产品及项目调研；OpenAI 分享他们在 RAG 技术的最佳实践；开源社区最流行的 RAG 构建框架 LlamaIndex 团队对 RAG 技术现状总结；以及王铁震老师对中文 LLM 开源生态的观察分享，最后在观点部分分享了人工智能时代如何助推全球新产业革命，以及为什么在大模型开源社区国内贡献度和影响力极不匹配。

本期分享的内容包括：通过比较不同的 RAG 评估框架（RAGAs、CDQA、RECALL、MedRAG 等），教你如何设计一个合适的 RAG 评估体系；为了提高 RAG 召回率，如何使用非 chunking 方式，对数据预处理阶段进行优化；如何结合大语言模型，从用户或商品评论中生成更精确的用户和商品档案，用于推荐系统；产品方面分享了服装行业与 AI 技术如何结合，在面料设计、产品设计、定向改款和与 ODM 供应商的协作中发挥重要作用；详细盘点了在教育、法律、金融、医疗这类高价值行业做文档处理时，是如何对化学式、数学公式、表格、图表等重要信息做准确识别和处理的，包括开源方案和商业化产品；市场方面看看 a16z 是如何解读 AI 实时语音助手市场的，包括产品及项目调研。

大家好，Weekly Gradient 第 6 期内容已送达！在本期分享内容包括：如何将 AI 模型转化为生产环境中的产品，包括售前与解决方案的草稿完成、产品或项目启动、数据采集与管理、模型训练与调试等，非常适合本次 AI 浪潮新入场做大模型项目交付的乙方朋友以及甲方决策者阅读；Agent 可观测性项目，用于代理应用执行图分析和调试；LLM 微调和训练平台产品，用于提升训练效率，提高推理速度，减少显存占用；产品方面包括生成式 UI/UX 产品盘点；市场方面分享了 2024 年零售与消费品行业 AI 现状与趋势 报告，更多内容请查看周刊全文。本期共包括 4 篇论文、4 篇工程相关文章、4 条产品信息和 3 条市场方面的洞见，最后在观点部分重点分享了从 GPT-3 开始，AI 是如何开始改变企业的游戏规则的。

第 5 期内容已送达！在本期分享内容包括：揭秘 OpenAI 发布会现场演示中 GPT-4o 低延迟语音交谈背后采用的实时语音解决方案，IBM 在实践中如何利用三种混合搜索方案（关键字搜索、向量搜索、基于语义的稀疏编码器搜索）提升 RAG 效果， 分享 LinkedIn 在客服问答系统中如何结合检索增强生成（RAG）和知识图谱（KG）的，同时介绍一款快速准确地将 PDF 转为 markdown 的开源工具，和一个 OCR 开源项目，提供了完整的 OCR 解决方案所需的所有功能，一款向量数据库厂商 Weaviate 开源出生产级 RAG 框架。国内大模型市场方面，介绍了零一万物开源的 Yi-1.5 模型、腾讯的新产品（智能体平台）腾讯元器、字节豆包系列大模型（原云雀）、Kimi 会员功能（对话唤出打赏功能），最后分享一组关于各个大模型的 TTFT （Time To First Token，token 首次输出时间）以及 TPS（Tokens Per Second，每秒处理 token 数）数据的对比，以及「大模型应用层 To B 并不是一个新赛道」的洞见，本期共包括 4 篇论文、5 篇工程相关文章、6 条产品信息和 3 条市场方面的洞见。

大家好，Weekly Gradient 第 4 期内容已送达！上周由于假期原因暂停一周，本期包括的内容如下：
在论文部分，我们梳理了在ICLR’24提交的论文中，基于大语言模型的智能体相关的全部98篇论文，探讨了如何在大语言模型驱动的数据分析中发现和探索对话上下文中的洞察力，摩根大通分享了如何利用LLM构建自动化金融工作流程，还有一篇关于RAG在LLMs中应用的综述。
在工程部分，介绍了一个开源的构建ChatBI框架，一个提供统一的方式调用任意不同的RAG排序模型的框架，分享了一篇生产环境如何选择LLM推理服务所需要的GPU资源和推理框架的实践，微软亚洲研究院探讨了如何构建一个支持多模态、为向量索引和标量索引扫描提供统一化的数据库设计思路。
市场方面，国外市场部分分享了500强企业2024年构建和采购AI服务的变化趋势报告，国内方面提供了2024年第1季度中国大模型季度监测报告，梳理了2024年1～4月国内大模型项目中标数据，腾讯旗下协作SaaS产品全面接入混元大模型、飞书的智能伙伴、钉钉AI助理市场，并从Copilot能力、Workflow能力、Agent能力进行了比较。
在产品方面，我们对国内外20余款智能编程助手类产品进行了盘点，深入介绍了自动化平台的演进，探讨了从RPA产品到Agent平台的调研，观察了YC W2024硅谷AI创业的新趋势，讨论了DeepSeek-V2的发布对国内市场营销的影响。
最后的观点环节，Zoho中国、实在智能、合思、腾讯云四家代表厂商探讨了在AI时代下企业如何做ToB应用。

⼤家好，Weekly Gradient 第 3 期内容已送达！LIama 3 的影响还在持续，仅仅一周，社区已经冒出来超过 100 多个 LIama 3 微调和其他周边项目，Github 上的 AI 领域热门项目已经第一时间支持了 LIama 3，LIama 3 让企业低成本使用高质量模型成为可能。。。
本期包括 3 篇论文分享、5 篇工程实践案例、3 条产品 tips 和两条市场信息，内容包括万字长文带你了解 Llama 模型生态的前世今生，如何提升 RAG 在领域专业知识上的准确性，AI Agent 的最新实现进展盘点，以及在实践中如何评估 LLM 产品，如何提高 AI 产品设计体验；最后对 ChatGPT 跨对话保持长期记忆的新特性进行解读，同时送上一份 Hume.AI 出品的语义空间理论，如何科学的测量和理解情感，做到让 AI 分析你的情绪，并根据你的情绪进行回答。

大家好，Weekly Gradient 第 2 期内容已送达！开源模型部署需要的硬件配置，16 位浮点精度（FP16）的模型，推理所需显存（以 GB 为单位）约为模型参数量（以 10 亿为单位）的两倍，据此，Llama 3 7B（70 亿）对应需要约 14GB 显存以进行推理（以普通家用计算机的硬件规格作为参考，一块 GeForce RTX 4060 Ti 16GB 显卡市场价超过 3000 元）。模型量化（quantization）技术可以很大程度上降低显存要求，以 4-bit 量化为例，其将原本 FP16 精度的权重参数压缩为 4 位整数精度，使模型权重体积和推理所需显存均大幅减小，仅需 FP16 的 1/4 至 1/3，意味着约 4GB 显存即可启动 7B 模型的推理（实际显存需求会随着上下文内容叠加而不断增大）…

大家好，Weekly Gradient 第1期内容已送达！前段时间，音乐人包小柏用 AI 重现女儿的声音和形象，商汤科技创始人汤晓鸥被公司以数字人的形式现身年会，“AI 复活”走入现实。然而“AI 复活”展现出来的科技人文关怀，没几天就变味了。多位已故明星李玟、乔任梁、高以翔被“复活”，登上微博热搜，但这些网友擅自的复活遭到了明星亲属的极力反对，关于AI“复活”逝者，你怎么看?