大模型微调
0 人感兴趣 · 8 次引用
- 最新
- 推荐
大模型开发：从数据挖掘到智能应用
在当今的数字化时代，数据的生成和处理已经成为一项重要的战略任务。随着大数据技术的发展，企业、组织以及个人对海量数据的需求越来越大，这也就催生了数据挖掘算法模型开发的快速发展。
应用场域的深度融合与创新构想
近年来，随着人工智能技术的迅速发展，自然语言处理技术也取得了显著的进步。其中，ChatGPT作为一种高效的自然语言处理模型，已经在许多领域得到了广泛的应用。本文主要围绕ChatGPT的调研分析以及其与应用场域的结合构想展开讨论。
微调语言模型前，需要考虑这三个关键方面
编者按：随着大语言模型(LLM)的迅速发展，越来越多团队希望针对特定领域进行模型微调。但是实践运用中总是存在一些困难，直接应用并不总是能达到理想效果。
进阶训练技巧提升模型性能
在深度学习的世界中，训练技巧的重要性不言而喻。进阶训练技巧，包括损失函数、学习率、模型微调和半精度训练，更是对提升模型性能和准确率有着关键作用。下面我们将对这些技巧进行详细的探讨。
LMOps 工具链与千帆大模型平台
最近大模型特别是大语言模型引起了全社会的广泛关注，大模型到底在技术上带来了哪些变化和挑战？要掌握哪些关键的技术企业才能够驾驭大模型？百度智能云在这方面又能提供了哪些专业的产品？
落地领域大模型应知必会 (2): 轻量化微调
编者按：在实际部署大模型的过程中可能会面临资源限制的问题。通过轻量化大模型微调技术，可以将大型预训练语言模型适配到特定领域、特定任务，并减小其模型尺寸和计算量需求，提高性能和效率。
落地领域大模型应知必会 (1) ：主要微调方法总览
编者按：随着大规模预训练模型的发展和应用，大模型微调技术已经在很多领域都有了突破性的进展，并推动了人工智能技术的发展与应用。 本文会简要介绍上下文学习（in-context learning）的含义，并介绍对LLMs进行微调的各种可行方式。还能够帮助我们了解如何
