tag llama

標籤
貢獻23
88
07:19 PM · Oct 26 ,2025
u_16018702 頭像 lookingdream 頭像 deephub 頭像 weidejianpan 頭像 u_17353299 頭像 stevenchendy 頭像 u_16213616 頭像 xiuji 頭像 u_15389271 頭像 lafengdehuanghuacai 頭像 u_16213639 頭像 zhangyideqingjiao_k86uq 頭像

@llama / 博客 RSS 訂閱

xiuji 頭像

修己xj - 從“死記硬背”到“靈活應用”：詳解RAG如何讓AI真正理解並回答問題

當AI不再僅僅是“復讀機”，而是能夠結合最新信息提供準確回答的智能助手——這就是RAG技術帶來的變革。 在人工智能快速發展的今天，我們常常遇到這樣的困境：大型語言模型如GPT-4擁有海量知識，卻無法獲取最新的信息；它能寫出優美的文章，卻無法準確回答你公司內部文檔中的具體問題。這就是所謂的“知識截止日期”問題——模型只能基於訓練時的數據進行回答。 但有一項技術正在徹底

數據 , 搜索 , 語言模型 , aigc , llama

收藏 評論

lookingdream 頭像

yzy121403725 - 常見模型部署環節優化技術微調、剪枝、蒸餾、量化等

模型優化技術 —— 目的都是讓訓練好的模型更適配部署環境（如低算力設備、低延遲場景），同時儘可能保留模型性能（精度、效果） 一、微調（Fine-tuning）：讓模型 “適配新場景” 1. 核心定義 微調是在預訓練模型（如 BERT、ResNet）的基礎上，用少量目標場景的數據集繼續訓練，調整模型參數以適配具體任務或環境的過程。可以理解為：預訓練模型已經 “學會

部署模型優化技術 , aigc , llama

收藏 評論

lafengdehuanghuacai 頭像

GpuMall智算雲 - 最強開源大模型Meta LIama3搶先在線體驗！

4月19日Facebook母公司Meta重磅推出了其迄今最強大的開源人工智能（AI）模型——Llama3。模型分為兩種規模：8B 和 70B 參數，每種規模都提供預訓練基礎版和指令調優版。最強開源大語言模型Meta LIama3可以在線體驗啦！ https://gpumall.com/login?type=registersource=sifou 作為最強開源大模型，LIama3性能卓越，頗有亮點

Facebook , 人工智能 , 開源 , llama , 鏡像

收藏 評論

u_16018702 頭像

架構師李哲 - 讓智能家居“聽懂人話”：我用4B模型+萬條數據，教會了它理解複雜指令

在智能家居場景中，我們經常遇到這樣的尷尬： 你説：“把燈打開。” —— 它可以執行。 你説：“如果檢測到漏水，就把水閥關了併發個通知。” —— 它可能聽不懂了。 你説：“有點冷，把空調調高一點。” —— 它問你：“一點是多少？” 在物聯網（IoT）時代，我們希望智能家居不僅僅是“遙控器”，而是能聽懂人話的“管家”。 我們測試了市面上幾款主流大模型——

數據集 , 智能家居 , 大模型微調 , aigc , llama , Json

收藏 評論

u_16099230 頭像

歲月如歌甚好 - 設計模式C++學習筆記之七（AbstractFactory抽象工廠模式） - 星晨

1. Llama Factory 到底是什麼？ 1.1 簡單比喻 想象你要定製一輛汽車： 傳統方式（沒有 Llama Factory）： 你需要自己造發動機、設計車身、組裝零件 需要懂機械工程、電子技術、材料科學 整個過程複雜、容易出錯、耗時很長 使用 Llama Factory：

數據集 , 數據 , 人工智能 , llama , Css , 前端開發 , 工作原理 , HTML

收藏 評論

u_16018702 頭像

架構師李哲 - 告別深夜批改：用Qwen3-VL大模型打造會“理解”的作文閲卷助手

深夜十一點，李老師揉了揉發酸的眼睛，面前還有三十多篇作文等待批改。 這是無數語文教師的日常寫照——繁重的批改負擔、難以完全統一的標準、反饋到達學生手中時已失去時效性。 而在AI技術日新月異的今天，我們能否讓機器真正“理解”一篇作文的優劣？ 答案是肯定的。基於Qwen3-VL-30B-A3B-Instruct大模型，我們成功打造了一款能夠深度理解中文作文的智能閲卷

數據集 , 模版 , 數據 , aigc , llama

收藏 評論

zhangyideqingjiao_k86uq 頭像

FlowyAIPC - FlowyAIPC 發佈全新 4.0：開啓端側 AI 的主動生產力時代

【2025年11月28日】 —— 端側 AI 生產力工具FlowyAIPC正式發佈全新4.0版本。本次更新圍繞 “主動生產力”“端側智能”“本地化大模型加速” 三個方向進行了深度演進，進一步推動 AI 從工具型能力向真正的智能操作系統層能力邁進。 FlowyAIPC 4.0 聚焦於讓一台普通電腦成為可主動協助用户處理任務的個人 AIPC（AI Personal Computer） ，支持本地大模

機器學習 , llm , 自然語言處理 , 人工智能 , llama

收藏 評論

kaizx 頭像

KAI智習 - OpenAI ChatGPT功能大升級，NVIDIA斯坦福開源遊戲AI，通義千問Qwen Code生態擴展

一起來看今天的AI行業動態。OpenAI在ChatGPT功能增強方面的新進展、NVIDIA與斯坦福在遊戲AI領域的突破、通義千問Qwen Code的生態擴展，以及中國AI產業萬億級產值的里程碑。這些進展涵蓋了從基礎模型到應用場景的多個層面，對開發者和行業從業者都有重要意義。 1. OpenAI：ChatGPT迎來界面大升級，編程能力再提升 核心事件：OpenAI發佈了ChatGPT的重要功能更新，

資訊 , 人工智能 , llama

收藏 評論

u_16018702 頭像

架構師李哲 - 當 AI 落地到了“深水區”：到底是 Prompt 不行、RAG 不夠，還是該考慮微調了？

這兩年，大家對大模型已經不再停留在“技術演示多酷炫”，而是越來越現實地問一句： “為什麼模型看起來很強，但真要放進我們自己的業務裏，用起來總差點意思？ 尤其是——明明接入了私域知識庫，效果還是不穩定？” 答案往往不在某一個“神技”，而是在你怎麼 同時使用 Prompt、RAG 和微調，以及它們和業務的“耦合深度”。 先釐清三個“槓

數據 , aigc , llama , 回滾 , 迭代

收藏 評論

lookingdream 頭像

yzy121403725 - gitlab+kubeflow+minio/oss對象存儲搭建MLOps

核心思路 我們將利用： • GitLab：作為代碼倉庫、CI/CD 流水線的編排者和觸發器。它負責監控代碼變更、運行自動化測試、構建鏡像並與 Kubeflow 交互。 • Kubeflow：作為運行在 Kubernetes 上的機器學習專用平台。它負責執行復雜的模型訓練（通過 Pipelines）和模型部署（通過 Serving）任務。 整個 MLOps

gitlab+kubeflow , MLOps , aigc , llama

收藏 評論

lookingdream 頭像

yzy121403725 - MLOps

1. 定義與本質 MLOps 是一套將機器學習模型從開發（實驗）落地到生產環境，並實現全生命週期自動化、可觀測、可追溯的工程實踐體系。 核心目標：解決 “模型訓練出來能用，但上線難、維護難、迭代慢” 的痛點（比如傳統 ML 流程中，數據科學家訓練的模型，運維人員難以部署，且上線後數據漂移、模型性能下降無法及時感知）。 與傳統運維的區別：傳統運維聚焦

數據 , MLOps , aigc , llama , ML

收藏 評論

u_16018702 頭像

架構師李哲 - 開源算法能在 2025 年擊敗 GPT-5 嗎？DeepSeek-V3.2 / Speciale 交出了一份答卷

在很多人心裏，“頂級推理能力”這幾個字，長期等於三個關鍵詞：閉源、大廠、昂貴。 GPT-5、Gemini 3.0-Pro 像是少數玩家才能摸到的天花板，開源模型更多還停留在“追趕者”的角色。 12月1日，DeepSeek發佈的新一代的“雙機組合”——V3.2 和 V3.2-Speciale，把這套共識擰了一下： 一邊是在綜合推理上對齊 GPT-5、並且 MIT

數據 , API , 權重 , aigc , llama

收藏 評論