AI

基于langchain框架开发的agent 全量问题主程序运行：python answer.py 单个问题debug和refine：python debug.py 创新点是在langchain中加入

项目说明文档 我们设计了一款名为 钩子(GouziAgent) 的智能体框架，“钩子”意味精准捕获用户需求，为其呈现想要的结果。 项目概述 本项目由五个主要的智能代理（agent）组成：decompo

您可以通过如下pip命令安装相关环境 程序运行系统为Ubuntu 20.04.6 程序所用python==3.11.9 SDK下载 #安装ModelScope pip install zhipuai=

PVTv2 This is the Hugging Face PyTorch implementation of the PVTv2 model. Model Description The Pyra

Law Game 2024 输入文件预处理 (1) 首先对原始问题进行模型打标 (输出路径为 s1b/data/question_b_with_labels.json): python -m reac

Tianchi-Competition 前提条件：下载embedding模型到app/model/m3e-base 启动方法：python app/core/main.py 问题没有得到答案：跑fil

PVTv2 This is the Hugging Face PyTorch implementation of the PVTv2 model. Model Description The Pyra

PVTv2 This is the Hugging Face PyTorch implementation of the PVTv2 model. Model Description The Pyra

当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重，可浏览“模型文件”页面获取。 您可以通过如下git clone命令，或者ModelScope SDK来下载模型 SDK下载 #安装ModelS

LawGLM-Splandour-s1b GLM法律行业大模型挑战赛初赛B榜Splandour团队代码。 赛事官网 1. 团队信息 见方案说明文件 2. 环境安装 见方案说明文件 3. 代码运行 见方

一、解题思路 1、意图识别，判断解决问题需要加载用到哪些场景接口，并作必要的问题修复和补充。 2、为问题解决设置路径规划，用于指导调用接口流程。 3、编写任务处理agent组件，包含计划、记忆、执行

glm-law24-competition 介绍 琶洲算法大赛法律大模型 软件架构 第一步：意图识别 可分为三类：信息整合、诉讼书生成、问答。 第二步：执行 问答 方案：本项目提供了13个数据表和24

PVTv2 This is the Hugging Face PyTorch implementation of the PVTv2 model. Model Description The Pyra

Model Card for InternVideo2 This modelcard aims to give the model info of 'InternVideo2: Scaling Vid

LawGLM-京小科大模型探索队 本方案的目的是对法律相关的问题进行解析，通过调用工具来完成对法律相关问题的解答 （部分代码在公司电脑中，本代码不是全的） 本方案的实现步骤如下： 解析问题，并对问题

八斗科技法律大模型比赛 本项目用于八斗科技法律大模型比赛,包含两套处理方式，1-100题、165-199题采用LegalToolsUtils对应的main方法执行。101-164题采用FilterSc

law 使用zhipuai和requests库 安装完成后运行answercomp.py开始答题 生成答案为puddingresult1647.json文件 思路 通过解析提问返回的答案，当遇到工具

Llama-3-Groq-8B-Tool-Use This is the 8B parameter version of the Llama 3 Groq Tool Use model, specif

当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重，可浏览“模型文件”页面获取。 您可以通过如下git clone命令，或者ModelScope SDK来下载模型 SDK下载 #安装ModelS

第三届琶洲算法大赛 - GLM法律行业大模型挑战赛道 项目解决方案 第一步：问题拆解与规划 根据问题和Prompt，利用GLM4大模型生成问题拆解、查询及逻辑计算规划plan； 第二步：计划