分类： AI
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…
读了26篇论文，终于真正搞懂了AI Agent
Docker Compose 部署运行 Dify
一、安装docker 安装 Dify 之前, 请确保你的机器已满足最低安装要求： CPU >= 2 Core RAM >= 4 GiB 操作系统 软件 描述 macOS 10.14 or …
怎么建立估计10万+软文点击率的模型？
上一篇，我们通过一个项目讲解了“实战 5 步”的前两步。在第一步“定义问题”中，我们定义了要处理的问题，也就是根据点赞数和转发数等指标，估计一篇文章能实现多大的浏览量。同时我们还将它归类为回归问题；在…
怎么定义问题和预处理数据？
机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分析和解决问题的技术。现在，你是不是跃跃欲试，准备动手开跑机器学习程序了？ 不要着急，在实战之前你还需要掌握最后一个知识点，也就是机器学习…
什么是机器学习
什么是机器学习 这个问题其实不好回答，因为机器学习涵盖的内容太多了。 机器学习之父 Arthur Samuel 对机器学习的定义是：在没有明确设置的情况下，使计算机具有学习能力的研究领域。 国际机器学…
特征工程全面指南：从基础到进阶
特征工程全面指南：从基础到进阶 引言 特征工程是数据科学和机器学习中至关重要的一步，它涉及将原始数据转换为可以有效训练模型的特征。本文将系统性地探讨特征工程的各个方面，包括数据预处理、特征构建、特征选…
要制作代码数据集，常用的代码处理都有哪些
在制作代码数据集时，常用的代码处理涉及以下多个方面，具体操作取决于你需要的数据集类型和目标。以下是常用的代码处理操作类别： 1. 代码清理与预处理 去除注释：移除代码中的单行、多行注释，减少干扰内容。…
开源代码数据集
The Stack（6TB） 下载链接：https://huggingface.co/datasets/bigcode/the-stack The Stack数据集，这是一个具有3.1TB的合法开源代…
深入浅出：LLM大语言模型的数据增强方法全解析
引言 数据增强（Data Augmentation, DA）是一种广泛使用的技术。尤其在低资源条件下，数据增强增加了训练数据的规模，这样不仅可以防止模型过拟合，还能够提高深度神经网络的鲁棒性。最初，数…
LLM资料大全：文本多模态大模型、垂直领域微调模型、STF数据集、训练微调部署框架、提示词工程等
原文：https://cloud.tencent.com/developer/article/2413799?cps_key=1d358d18a7a17b4a6df8d67a62fd3d3d
中国人工智能成熟度模型报告
01｜⼈工智能技术发展历程 02｜中国人⼯智能技术成熟度模型 03｜中国⼈工智能技术⼚厂商⽣生态图谱
ChatGPT的原理是什么
如果被问到 ChatGPT 的原理，可以从以下几个方面进行回答： 基本概念： ChatGPT 是一个基于 Transformer 架构的大规模语言模型，具体来说，它是由 OpenAI 基于 GPT（G…