在这次openai发布会，发布了gpt4o，简单的说，openai的目标一直都是朝着《太空漫游2012》去的，所以更强调交互性，给我一种感觉就是他们希望完美通过图灵测试，让人完全感觉不到这个模型是一个工具而是一个人，当然，人在某个程度上也是一个工具。
要点：
- 实时多模态能力，
- 2x 速度
- 50% 偏移
- 5x速度限制
在这次openai发布会，发布了gpt4o，简单的说，openai的目标一直都是朝着《太空漫游2012》去的，所以更强调交互性，给我一种感觉就是他们希望完美通过图灵测试，让人完全感觉不到这个模型是一个工具而是一个人，当然，人在某个程度上也是一个工具。
要点：
dify是个很好解决agent的诉求的好工具，同时也能兼顾工作流诉求，我现在也没有什么创建agent和workflow的欲望，
我们都需要dify，所以部署吧，尽量会从0开始，
下载模型 ，先创建目录 chatglm3
RAG系统已经趋向成熟，几乎任何一个玩llm的人都知道，向量数据库，文档分割，向量文段召回，上下文学习。作者在偶然发现了这篇有趣的论文，这个LLM 打败华尔街的论文，也是基于这个系统。但是不一样的是，他们的玩法更加垂直领域，而且多次使用了LLM的 ”总结“ 功能，融合RAG系统里面去，本文的就是通过这篇论文，探索LLM-RAG的未来发展趋势。
卷积网络(cnn)是用来处理空间信息（一张图像），循环神经网络(rnn)则用来处理序列信息（一句话，一个视频的图像帧，温度的变化序列）
rnn引入了状态变量存储序列信息和当前输入，从而预测下一个输入，以此不断循环，预测整段序列信息。
skip了环境准备，数据下载和数据清洗