针对这一问题，来自亚利桑那大学、纽约大学、约翰斯・霍普金斯大学、微软研究院、 艾伦人工智能研究所等机构的研究者在「基于文本的模拟器」上下文中给出了他们的答案。 他们认为：语言模型并不能作为世界模拟器使用。比如，GPT-4 在模拟基于常识任务（如烧开水）的状态变化时，准确率仅为约 60%。 Yann LeCun 对这篇论文的发现表示了认同，并认为「没有世界模型，也就没有规划。」 不过也有人表达了不同的观点：当前 LLM（没有进行针对性任务训练）的准确率可以达到 60％，这不就说明了它们至少是「一定程度上的

RAG（Retrieval Augmented Generation）结合知识库检索与大模型回答，确保信息可靠且精准，同时节省了微调成本。 RAG 流程简要概括为3步： 1、检索：借助 Embedding，将问题转化为向量，比对知识库，选取最相关的 Top K 知识。 2、增强：结合检索出的上下文和问题，构造 Prompt。 3. 生成：将 Prompt 输入大模型，产出答案。 从工程视角划分，RAG 实施分为两阶段： 阶段一：离线数据预处理：涵盖知识文件导入、文本切分、向量构建及数据库存储，完成知识的

全球领先的国际数据公司（IDC） 最新发布的大模型实测报告《中国大模型市场主流产品评估，2024》从基础能力到应用能力 7 大维度对 11 家大模型厂商的 16 款市场主流产品进行实测。 报告显示，百度文心大模型整体竞争力位于领先水平，产品能力处于第一梯队，是唯一一家在 7 大维度上均为优势厂商的企业。文心一言、文心一格在问答理解类、推理类、创作表达类、数学类、代码类等基础能力，toC 通用场景类、toB 特定行业类等应用能力等 7 大维度均具备领先优势。其他评测厂商中，阿里获 6 项优势维度，Open

纯 Prompt：构建对话的直观交互模式 当用户输入一个 Prompt 查询时，该查询会被发送到路由转发模块，而路由转发模块则扮演着对输入 Prompt 进行分类的角色。 纯 Prompt 提示词架构可视为 AI 大模型交互的最初步、最直接形式。它模仿了人与人交谈的过程：你提出一个问题或发表一句评论，AI 大模型即刻响应，继而对话延续。该方法的优点在于其简洁明了，无需高级配置或特殊调用过程。 应用场景：若向 AI 大模型询问“端午节去哪里旅游？”，AI 大模型能即刻给出回复。这种模式适合处理简易的对话情

路由分发架构模式 当用户输入一个 Prompt 查询时，该查询会被发送到路由转发模块，而路由转发模块则扮演着对输入 Prompt 进行分类的角色。 图片如果 Prompt 查询是可以识别的，那么它会被路由到小模型进行处理，这通常是一个更准确、响应更快且成本更低的操作。然而，如果 Prompt 查询无法被识别，那么它将由大模型来处理。尽管大模型的运行成本较高，但它能够成功返回更多种类型查询的答案。通过这种方式，大模型应用产品可以在成本、性能和用户体验之间实现平衡。 大模型代理架构模式 在任何一个生态系统中

近日，谷歌宣布将其 Gemini Pro 1.5 的输入上下文窗口从原先的 100万 提升至 200万，为开发者提供了更大的灵活性。同时，OpenAI 也推出了 GPT-4o，该模型不仅在生成 token 的速度上比 GPT-4 Turbo 快2倍，而且价格降低了 50%，更能在本地支持多模式 token 的接收与生成。这些进步无疑标志着近18个月来技术发展的最新动向。随着这些显著的改进，开发者的最佳实践方式也随之发生了相应的调整和变化。 自 2022年11月 ChatGPT 推出以来，多个重要的里程碑