文章列表-AI魔法学院

文章列表

惊艳推荐！8款好用又免费的文本转语音TTS工具

这种技术使用深度神经网络模型来合成语音，能够更自然地模拟人类的发音和语调，从而产生更加流畅和自然的语音输出。

TTS Maker 语音

LLM应用架构之检索增强（RAG）的缘起与架构介绍

2）它由于在预训练和微调过程中学到了大量的知识，可谓是无所谓不知。

LLM

大模型时代-行业落地的再思考

前者由于改变了模型的权重，可以称作是训练（微调）了一个行业大模型，后者则基本只能认为是通用大模型的应用了，因为模型还是那个模型。

大模型

8G显存一键训练，解锁Llama2隐藏能力！XTuner带你玩转大模型

1 pip install xtuner 2 # 不破坏 Chat 模型对话模版，继续增量指令微调 3 xtuner train internlm_chat_7b_qlora_oasst1

大模型

大模型压缩首篇综述来啦~

傅等人发现了语言模型的多维能力之间的权衡，并提出了微调的指令调整模型。

大模型

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

2018年6月，openAI发布了第一代GPT（Generative Pre-Training），基于Transformer Decoder的改进，有效地证明了在自然语言处理领域使用预训练+微调方法的有效性

大模型

一文看懂RAG：大语言模型落地应用的未来

做大模型的人都知道微调成本是十分高的，而RAG检索能力会消耗更低的成本并且收获比微调更好的效果！

rag 检索增强

2023年LLM如何入门？请看这篇综述！

PLM通常使用自编码器、Transformer等模型结构，在大规模数据上进行预训练，并通过微调FT等方式适应不同的下游任务。

大模型

如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下

我们没有进行微调，而是结合使用提示链接和预处理/后处理来将幻觉率降低一个数量级，但它确实需要 3-4 倍的 OpenAI 调用次数。

大模型

如何下载及使用通义千问7B开源大模型

pipeline_ins(text) print(result['text']) SFT数据集链接和下载这里使用魔搭上开源的数据集finance_en（包含68912条金融数据）作为微调数据集

通义千问

使用自己的数据训练清华ChatGLM2-6B 模型

P-Tuning v2 将需要微调的参数量减少到原来的 0.1%，再通过模型量化、Gradient Checkpoint 等方法，最低只需要 7GB 显存即可运行。

ChatGLM2-6B

用户意图对齐，无需人工标注，Zephyr-7B 超越 Llama2-Chat-70B

通过应用蒸馏监督微调(distilled supervised fine-tuning, dSFT)和蒸馏直接偏好优化(distilled direct preference optimization,

小型语言模型 Zephyr-7B

EduChat：教育行业垂直领域大模型

通过在教育语料库上进行预训练来学习领域特定的知识，并通过在设计的系统提示和指令上进行微调来刺激各种技能的使用。

教育大模型垂直领域

谈谈LLM在推荐域的渗透，探索推荐新范式

上下文学习&COT能力上下文学习(ICL)是指不需要微调，只需要少数几个样例作为示例，就能在未知任务上取得不错的效果(提升few-shot能力)。

大模型

CodeFuse开源编程大模型-您的开源编程助手

代码框架支持多任务微调，包括代码生成、翻译、测试用例生成等任务。

大模型 AI编程

<...11 12 13 141516 17 18 19 20 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1