-
编辑 删除
深度对比丨探索LLM（大模型）部署服务的七大框架差异
本文旨在比较用于 LLM 推理和服务的不同开源库。我们将通过实际部署示例探讨它们的核心特性和优缺点。研究 vLLM、文本生成推理、OpenLLM、Ray Serve 等框架。
-
编辑 删除
精度与效率的平衡：深度学习模型量化策略与应用
本文深入探讨了深度学习模型量化的概念、作用、步骤以及可能的影响。通过量化，我们可以在满足性能需求的同时，有效地优化存储和计算资源的使用。然而，选择合适的量化策略需要根据具体应用场景、硬件平台等因素进行权衡。
-
编辑 删除
定制训练：全量微调与增量微调的抉择
全量微调和增量微调是深度学习模型训练中常用的两种微调策略，全量微调是指在预训练模型的基础上，对所有参数进行微
-
编辑 删除
任务定制：通过指令微调打造个性化语言模型
当前公布的大模型已经上百个，既包含通用底座的大模型，又有各个垂类的细分大模型，在利用大模型解决自己场景的问题的时候，可能会遇到一些场景独有的问题，这时候需要考虑对大模型进行调整，使其对自己的场景更加的匹配。
-
编辑 删除
智能体进化之路RLHF：强化学习与人类反馈的融合
在大模型的训练过程中，RLHF是实现模型和人工知识对齐的过程，通过大模型对人类偏好的学习，使得大模型的生成结果更加的自然。
-
编辑 删除
抢先掌握大模型微调技能，解锁AI潜力 | 大模型微调方法全解析！
在上一篇文章《抢先掌握大模型技能，赢得未来 | 大模型常见知识点系列解读》中，写了一些关于大模型常见的问题，
-
编辑 删除
抢先掌握大模型技能，赢得未来 | 大模型常见知识点系列解读
ChatGPT的出现，引爆了大模型的热度，不同行业和公司对大模型（LLM）人才的需求暴增，都希望能够抢占风口
-
编辑 删除
抢先掌握大模型技能，赢得未来 | 大模型常见知识点系列解读
ChatGPT的出现，引爆了大模型的热度，不同行业和公司对大模型（LLM）人才的需求暴增，都希望能够抢占风口
-
编辑 删除
利用Dreambooth制作自己的“妙鸭相机”！
colab 笔记本https://colab.research.google.com/drive/1uwwk
-
编辑 删除
大模型为什么是Decoder Only架构？
当前大模型普遍采用"decoder only"（仅解码器）的架构，主要原因如下：自回归模型：大多数大模型是自
