文章列表-AI魔法学院

文章列表

通俗解读大模型微调(Fine Tuning)

需要特别说明：这里为了方便理解，做了大量的简化。

大模型微调

【2023.10】看目前巨头的AI原生产品布局

我并没有大企业的顶层管理经验，谈不上对巨头管理方式的本质洞察。

大模型产品

小学生都能看懂的 Prompt 高级技巧： Few-Shots 、 COT 、 SC、 TOT 、 Step-Back

其次，它能够以更有结构的方式审视我们的工作。

Prompt 大模型

用ChatGPT快速完成论文全流程

另一方面，一些研究者在选题上感到无从下手，这通常是因为他们没有进行足够的文献回顾。

ChatGPT 写作

全球最强长文本大模型，一次可读35万汉字：Baichuan2-192K上线

大模型能够理解的内容变长之后，应用的方向会越来越多。

Baichuan2 百川开源

StableDiffusion

深度解析丨StableDiffusion在多个设计场景中的探索与应用

回到上面，使用 Euler a 采样方法，迭代步数为 30，尺寸与上传的图片一致。

文生图

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

中文方法！

MoE 专家混合模型

请收好这12种Prompt编写模式，让不可靠的模型生成可交付的可靠结果

2 12种Prompt的编写模式本猫收集了编写Prompt的12种方式，尽可能以人话来说明编写的方法，前面的思维导图已经做了必要的总结和概括。

prompt

LLM native策略的内部状态是否应该结构化【2023Q3】

传统方案的最简单实现可以概括如下： 1.

大模型

GitHub工程师分享开发Copilot所采用的提示词工程

Ziegler 和 Berryman 表示，对于 Copilot 来说，有用的上下文信息可能包括语言、文件路径、光标上方的文本、光标下方的文本、其他文件中的文本，等等。

开源模型

备案通过且面向公众开放的国产精品大模型汇总，附访问链接

该办法对模型的训练的范围、语料安全要求、模型安全要求、信息安全等多方面提出了明确的要求，目前中国的AI大模型达80多个，截止目前全国只有2批大模型审核通过，累计19家（第一批8家，第二批11家）。

大模型国产

更强的小型LLM：Zephyr-7B

用户观察到这些模型通常缺乏“意图对齐”，意味着它们并不总是以符合人类偏好的方式行事。

Zephyr-7B 大语言模型

一文汇总Prompt提示工程的相关策略技巧

二、关于链式思考CoT 1、深思熟虑，给时间思考，一步步思考 2、将复杂任务拆分成简单任务，从简单到复杂模块化解决 3、先列出来所有方法，这样增加解决方案空间，再做方法对比，最后选择合适的

提示词框架

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

，尤其域间数据差异越大，效果越明显【这主要反映的是prompt方式在下游任务使用中通用性更强，调整下游任务时候，损失的语言模型本身能力较小】点评这篇论文主要是针对T5模型为backbone，

训练微调

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

此方法的优势包括较短的训练时间和无需额外采样，为开放大型语言模型(LLMs)的发展和微调提供了新方向。

小型语言模型 Zephyr-7B

<...46 47 48 495051 52 53 54 55 ...>

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