Sign in Subscribe

LLMs

Reasoning Model ทำงานต่างจาก LLM เดิมอย่างไร?

Reasoning Model ทำงานต่างจาก LLM เดิมอย่างไร?

Generative AI ทำให้เราคุ้นเคยกับ Large Language Model (LLM) ที่สามารถเขียนบทความ สรุปเอกสาร แปลภาษา และตอบคำถามได้อย่างรวดเร็ว แต่ในช่วงที่ผ่านมา เราเริ่มได้ยินคำว่า Reasoning Model มากขึ้น แล้วมันแตกต่างจาก LLM อย่างไร? LLM ทำงานโดยคาดการณ์ว่า “คำถัดไปควรเป็นอะไร” จากข้อมู

LLM vs RAG vs Agentic AI vs MCP ต่างกันอย่างไร?

LLM vs RAG vs Agentic AI vs MCP ต่างกันอย่างไร?

AI ไม่ได้มีแค่ LLM แต่ยังมี RAG, Agentic AI และ MCP ที่ทำงานร่วมกัน เพื่อให้ AI ไม่เพียงแค่ “ตอบคำถาม” แต่ยังสามารถ “ลงมือทำงาน” ได้จริง 1) LLM (Large Language Model) เปรียบเสมือน สมองของ AI ทำหน้าที่เข้าใจภาษา ตอบคำถาม เขียนบทความ

Prompt Engineering vs RAG vs Fine-tuning ต่างกันอย่างไร?

Prompt Engineering vs RAG vs Fine-tuning ต่างกันอย่างไร?

ในการพัฒนาแอปพลิเคชันด้วย LLM หลายครั้ง มักสับสนว่า ควรใช้ Prompt Engineering, RAG หรือ Fine-tuning? แท้จริงแล้ว ทั้งสามอย่างมีจุดประสงค์ที่ต่างกัน 1. Prompt Engineering คือ การออกแบบคำสั่ง (Prompt) ให้ AI ตอบได้ดีขึ้น โดย ไม่ต้

AI ฉลาดแล้ว แต่ตอบผิดได้? รู้จัก RAG ตัวช่วยลดการมั่วของ LLM

AI ฉลาดแล้ว แต่ตอบผิดได้? รู้จัก RAG ตัวช่วยลดการมั่วของ LLM

ความสัมพันธ์ระหว่าง LLM และ RAG 💬 LLM คืออะไร? LLM (Large Language Model) คือโมเดลภาษา AI ขนาดใหญ่ที่ถูกฝึกด้วยข้อมูลข้อความจำนวนมหาศาล เพื่อให้สามารถเข้าใจและสร้างภาษามนุษย์ได้ เช่น GPT-5, GPT-4, LLaMA, Claude เป็นต้น จุดเด่นของ LLM * เข้

Understanding LLMs: ก้าวแรกสู่โลกของโมเดลภาษา

Understanding LLMs: ก้าวแรกสู่โลกของโมเดลภาษา

การเริ่มต้นเรียนรู้เกี่ยวกับ LLM (Large Language Model) เช่น GPT, Claude, LLaMA หรือ Gemini สำหรับผู้ที่สนใจด้าน AI, Data Science หรือ Prompt Engineering ควรมีแนวทางที่เป็นระบบเพื่อเข้าใจทั้งแนวคิด ทฤษฎี และการใช้งานจริง 🔰 ขั้นตอนเริ่มต้นเรียนรู้ LLM อย่

เทคนิคการ Prompt เพื่อให้ได้คำตอบที่ดีจาก LLMs

เทคนิคการ Prompt เพื่อให้ได้คำตอบที่ดีจาก LLMs

💬 LLMs (Large Language Models) ถือเป็น Gen AI (Generative AI) ที่ถูกนำไปประยุกต์ใช้อย่างแพร่หลาย และช่วยเพิ่ม Productivity ในงานต่างๆ มี Applications ที่รู้จักกันเป็นอย่างดี เช่น ChatGPT (โดย OpenAI), Gemini (โดย Google), Claude (โดย Anthropic) การใช้งาน LLMs ให้เกิ

LLMs มีประสิทธิภาพดีพอแล้ว?

LLMs มีประสิทธิภาพดีพอแล้ว?

เราจะรู้ได้อย่างไรว่า Large Language Models (LLMs) ที่พัฒนาขึ้น มีประสิทธิภาพดีพอแล้ว? Blog นี้ จะพูดถึงการประเมินประสิทธิภาพของ LLMs พร้อมตัวอย่างการใช้งานและ Python Code import numpy as np from sklearn.metrics import accuracy_score, precision_recall_fscore_support from