本文介绍了优化 LLM 效果的三种方法：Prompt Engineering、RAG 和 Fine-tuning。详细描述了它们的使用场景、优劣势，并基于具体示例给出了它们带来的效果提升。
EffOCR 使用了切字+向量检索的方法来做文字识别，很不一样的思路，非常有趣。
介绍由 LLM 驱动的 AI Agents 的相关技术和工具。Part 3 介绍另外几个热门的 Agent 框架：agents、AutoAgents 和 ChatDev（通过agents之间的多轮交互完成任务）。
CnOCR 中新加入了纯数字识别新模型，适合银行卡号识别、身份证号识别、硬币年份识别等应用场景。
详细介绍 Meta 刚刚开源的版面恢复大模型 Nougat（牛轧糖），并与我的版面恢复开源小工具 Pix2Text (P2T) 做了对比。
介绍由 LLM 驱动的 AI Agents 的相关技术和工具。Part 2 介绍3个热门的 Agent 框架：AutoGPT、GPT-Engineer 和 MetaGPT。
介绍使用 LLM 来解决超难问题的 Least-to-Most Prompting 框架。
介绍由 LLM 驱动的 AI Agents 的相关技术和工具。Part 1 介绍 Agent 的一般框架，背景知识和斯坦福的虚拟小镇论文。
《机器学习&自然语言处理》付费课程解密了。
今天更新了 Pix2Text (P2T) 中的公式识别模型。新模型的精度更高，尤其是对手写公式和多行公式类的图片。
上周线下分享的文字版，介绍了多模态学习的概念、意义、模型架构、代表模型和挑战等。
介绍数据标注工具Label Studio，如何导入本地文件生成标注数据，如何导入模型预测结果，以及如何导出标注结果并转换成MFD模型训练所需格式。
