基础模型
0 人感兴趣 · 2 次引用
- 最新
- 推荐

大模型的三大法宝:Finetune, Prompt Engineering, Reward
编者按:基于基础通用模型构建领域或企业特有模型是目前趋势。本文简明介绍了最大化挖掘语言模型潜力的三大法宝——Finetune, Prompt Engineering和RLHF——的基本概念,并指出了大模型微调面临的工具层面的挑战。

EasyNLP 集成 K-BERT 算法,借助知识图谱实现更优 Finetune
知识图谱(Knowledge Graph)的概念⾸次出现2012年,由Google提出,它作为⼀种⼤规模语义⽹络, 准确地描述了实体以及实体之间的关系。知识图谱最早应⽤于搜索引擎,⽤于准备返回⽤户所需的知识。