专题：大语言模型学习
共18篇相关文章
书生浦语大模型实战营学习笔记1一、引言随着人工智能技术的飞速发展，大模型在自然语言处理领域取得了显著的成果。书生浦语大模型作为国内领先的大模型之一，具有强大的自然语言处理能力。本学习笔记将围绕书生浦语大模型的全链路开源体系进行介绍，帮助读者了解大模型的实战
大语言模型-2.书生浦语大模型全链路开源体系 书生浦语大模型实战营学习笔记-1.认识书生浦语大模型全链路开源体系 本系列随笔学习搬运第二期书生浦语大模型实战营的相关内容，通过使用InternLM的一套已经封装好的工具，熟悉大模型相关技能。...
[db:标题]
大语言模型-4.LLM基础能力实现 书生浦语大模型实战营学习笔记-2.LLM基础能力实现 本文包括第二期实战营的第2课内容。本来是想在笔记中给官方教程做做补充的，没想到官方教程的质量还是相当高的，跟着一步一步做没啥坑。所以这篇笔记主要学习一...
由于您没有提供具体的作业内容，我将为您提供一个虚构的作业示例，并展示如何完成它。假设作业要求是：**作业题目：**使用书生浦语大模型，分析并总结一篇关于人工智能在医疗领域的应用的文章。**作业步骤：**1. **获取文章：** - 首先，您需要找到一篇关于
大语言模型-3.InternLM2 Demo实操 书生浦语大模型实战营第二期第二节作业 本文包括第二期实战营的第2课作业的相关内容。本来是想在学习笔记中给InetrnLM官方教程做做补充的，没想到官方教程的质量还是相当高的，跟着一步一步做没...
以下是根据检索增强生成RAG-书生浦语大模型实战营学习笔记3的主题整理的学习笔记内容：---### 学习笔记3：检索增强生成（RAG）与书生浦语大模型实战#### 一、检索增强生成（RAG）概述1. **定义**：检索增强生成（Retrieval-Augm
大语言模型学习-9.检索增强生成RAG 书生浦语大模型实战营学习笔记3 本文主要涉及检索增强生成相关基础知识，也包括第二期实战营的第3课的内容 动机 当今大语言模型存在幻觉现象，即大模型会无意义或不忠实于所提供源内容的生成内容（genera...
大语言模型学习1，有哪些可以提问？
大语言模型学习-1.大语言模型学习系列博客序 本系列博客是介绍学习大语言模型的博客。系列下的全部博客都可以在页面顶部的合集中找到。合集是排好顺序的，按合集顺序阅读即可。...
书生浦语大模型实战营第二期第3节茴香豆RAG平台实操，有哪些？
书生浦语大模型实战营第二期第3节作业 本页面包括实战营第二期第三节作业的全部操作步骤。如果需要知道RAG相关知识请访问学习笔记。 作业要求 基础作业 在茴香豆 Web 版中创建自己领域的知识问答助手 参考视频零编程玩转大模型，学习茴香豆部署...
LMDeploy 是一个开源的轻量级模型部署工具，它可以将预训练的语言模型（LLM）部署到边缘设备上。量化是模型部署中的一个重要步骤，它通过减少模型参数的精度来减小模型的大小和加速推理速度，同时尽量保持模型的性能。以下是使用 LMDeploy 量化部署 L
书生浦语大模型实战营第二期第5节作业 本页面包括实战营第二期第五节作业的全部操作步骤。如果需要知道模型量化部署的相关知识请访问学习笔记。 作业要求 基础作业 完成以下任务，并将实现过程记录截图： 配置lmdeploy运行环境 下载inter...
### 学习笔记5：将模型压缩与部署#### 一、模型压缩概述模型压缩是降低模型复杂度、减少模型参数数量的技术，旨在在不显著影响模型性能的前提下，减小模型的存储空间和计算资源消耗。模型压缩主要分为以下几种方法：1. **模型剪枝**：通过移除模型中不重要的
大语言模型-11.模型压缩与部署 书生浦语大模型实战营学习笔记4-模型压缩与部署 本文包括第二期实战营的第5课内容，介绍关于模型压缩的相关内容，主要包括、模型量化和模型部署的相关内容。 模型部署 定义：在软件工程中，部署通常指的是将开发完毕...
如何通过XTuner微调书生浦语大模型，实操LLM？
title: XTuner 微调 LLM-书生浦语大模型实战营第二期第4节作业 tags: 这一作业中提及的解释比较少，更多的只是一些步骤截图。这是因为教程中已经提及了几乎所有的细节信息，没有什么需要补充的。这个页面相较于官方教程的部分解释...
### 学习笔记4：模型微调#### 一、微调概述微调（Fine-tuning）是深度学习中的一个重要步骤，它是在预训练模型的基础上，针对特定任务进行进一步训练的过程。通过微调，我们可以使预训练模型更好地适应特定领域的任务。#### 二、微调的优势1. *
大语言模型-7.模型微调 书生浦语大模型实战营学习笔记-4.模型微调 本节对应的视频教程为B站链接。笔记对视频的理论部分进行了整理。部分内容参考李宏毅2024春《生成式人工智能导论》和三分钟学会大模型PEFT的LORA算法 lora_ran...
OpenCompass-书生浦语大模型实战营第二期第7节作业，有哪些应用案例？
title: OpenCompass-书生浦语大模型实战营第二期第7节作业 tags: 书生浦语大模型实战营第二期第7节作业 这一节的作业和第6节作业一样没有特别多好说的，以运行结果为主。 基础作业 使用 OpenCompass 评测 in...
以下是根据《智能体Agent-书生浦语大模型实战营》学习笔记第6部分的内容概要：### 第6部分：智能体Agent的高级应用#### 6.1 智能体Agent的协作与通信- **协作机制**：介绍智能体之间如何通过协商、合作完成任务。- **通信协议**：
大语言模型学习：10.智能体Agent 书生浦语大模型实战营学习笔记6 两个月之后的6月13日，特意来重写这部分的内容。之前关于智能体介绍得太粗糙了。这次修订主要是把整体逻辑换成吴恩达的逻辑，更多参考了deeplearning.ai上面的内...
书生浦语大模型实战营学习笔记7一、课程概述本节课主要介绍了大模型在自然语言处理领域的应用，以及如何使用书生浦语大模型进行实际操作。通过本节课的学习，学员将掌握以下内容：1. 大模型在自然语言处理领域的应用2. 书生浦语大模型的特点3. 书生浦语大模型的使用
大语言模型学习-12.模型评测 书生浦语大模型实战营学习笔记7 视频教程特别像广告，所以这篇博客参考了很多其他内容给大家参考，主要是下面几个页面： https:zhuanlan.zhihu.comp641416694 https:...
多模态大模型概述-大语言模型6，有哪些应用场景？
多模态大模型概述-大语言模型6 想了很久，最后还是写了这篇。 LLaVA 贡献 多模态指令数据。当下关键的挑战之一是缺乏视觉与语言组成的指令数据。本文提出了一个数据重组方式，使用 ChatGPTGPT-4 将图像 - 文本对转换为适当的指...
书生浦语大模型实战营第二期，你总结得怎么样了？
书生浦语大模型实战营第二期参营总结 动机 在历史洪流面前，人轻浮得像一粒沙：今年的Java后端又要炸了。作为一条研究方向为图像处理、导师不放暑期实习的硕士牛马，自觉疲惫。既然对就业的准备暂时略感疲惫，科研又有导师天天push自然不会太主动，...