PEFT 微调：用更少的参数，实现更强的效果
随着大语言模型（LLM，如GPT系列、LLaMA系列）的飞速发展和广泛应用，模型的微调技术也随之备受关注。然而，庞大的模型参数带来的算力消耗、存储需求以及部署难度，也成了使用者的巨大挑战。 为了解决这…
分类： AI
Prompt样本过多为何导致模型效果变差？
在使用大型语言模型（LLM）时，我们通常认为给模型提供更多的Prompt样本能提高模型表现，然而，实际应用中却发现，当Prompt样本超过一定数量时，模型的效果反而下降。这种现象看似反直觉，实则有着深…
数据去重：确保数据质量与准确性
数据去重：确保数据质量与准确性 在大数据时代，数据的质量对决策和模型训练的影响至关重要。数据去重作为数据预处理的重要环节之一，对于确保数据的准确性和有效性，尤其是在构建机器学习和人工智能模型时具有重要…
深入探讨：调优与优化Prompt过程中的挑战与解决策略
深入探讨：调优与优化Prompt过程中的挑战与解决策略 在现代人工智能应用中，prompt（提示词）是与语言模型（如GPT-4）交互的核心要素之一。如何精确地设计和调整prompt，以便从语言模型中获…
如何设计提示词，让大模型帮我们做短中长摘要总结
可以参考以下结构化设计提示词的方式，让大模型分别产出短、中、长摘要： 1. 提示词通用结构： 你是一名专业的内容摘要专家，请根据提供的内容，分别生成短摘要、中摘要和长摘要，要求如下： 【短摘要】（一句…
FAISS、Qdrant、Milvus 等向量数据库，选项比较与使用
一、对比概览 特性 FAISS Qdrant Milvus 开发主体 Facebook AI Research (Meta) Qdrant Inc. (创业公司) Zilliz Inc. (创业公司)…
大模型不是“全能选手”：你该何时用 RAG，何时用 Fine-tune？
✅ 一、RAG 与 Fine-tune 的区别？什么时候用？ 📌 1. 本质区别： 维度 RAG（Retrieval-Augmented Generation） Fine-tune（微调） 方式 外接…
4 段超神提示词解锁 Claude 3.7 能力上限
转载：https://mp.weixin.qq.com/s/wrXef-Ek7feg76rDGerKdA 橘子推荐语： Claude 在升级到 3.7 之后，能力获得了大幅提升，在前端编程方面已经远远…
一图解释什么是MCP
来源
模型即产品（The Model is the Product）
来源1：https://x.com/dotey/status/1896782845248504175 来源2：The Model is the Product 模型即产品（The Model is t…
推荐阅读：《真正的AI智能体即将到来：告别死板提示词，迎接自主规划时代！》
来源1：https://x.com/dotey/status/1900179777635356827 来源2：https://vintagedata.org/blog/posts/designing-…
OpenManus 核心作者分享了主要的设计思路和工作流程
文章链接：https://bestblogs.dev/article/3cb63c Github 超 2 万星，OpenManus 核心作者聊 Agent 发展趋势 极简可插拔框架： OpenManu…
Manus AI运转逻辑流程图
有监督数据和指令数据
有监督数据与指令数据是机器学习中两种不同类型的数据形式，其核心区别体现在数据结构和应用场景上： 一、定义与数据结构 有监督数据 (Supervised Data) 有监督数据由输入特征（feature…
腾讯 CloudStudio可以部署deepseek了
地址：https://ide.cloud.tencent.com/dashboard/workspace
deepseek-强化学习（RL）中的奖励设计
deepseek冷启动数据
AI数据集开发平台中，数据回流是什么，都有哪些回流，如何做数据回流
在AI数据集开发平台中，数据回流（Data Backflow）是指将模型在实际应用过程中生成的各种数据、反馈或结果重新收集、处理并反馈到数据集或模型训练流程中，以优化和提升模型的性能、准确性及适应性。…
大型语言模型的分词器解析：从原理到实践
大型语言模型（LLM）所使用的 tokenizer 主要差异来自于子词切分算法（BPE、WordPiece、SentencePiece 等）、多语言支持程度、词表规模及 OOV（未登录词）处理方式。选…
《Building effective agents》-建立高效的 Agent
前言 2024 年 12 月 20 日 文章来源：Building effective agents 过去的一年里，我们与来自各行各业、构建大型语言模型（LLM）Agent 的数十个团队进行了合作。我…