随着，ChatGPT 迅速爆火，引发了大模型的时代变革。然而对于普通大众来说，进行大模型的预训练或者全量微调

基于Qwen2-1.5B大模型，实现命名实体识别（NER）任务，是学习LLM微调非常好的入门任务之一，本文将提供完整的代码、模型、数据以及SwanLab实验过程，来帮助你学习如何进行微调。

论文提出了一种新的针对于大语言模型的越狱攻击算法，通过利用小模型的输出诱导大模型产生带毒输出。相对于已有的策略减小了计算代价，使得可以快速攻击更加巨大的模型。

Qwen2是通义千问团队的开源大语言模型，由阿里云通义实验室研发。以Qwen2作为基座大模型，通过指令微调的方式实现高准确率的文本分类，是学习大语言模型微调的入门任务。 指令微调是一种通过在由（指令，

2023年以来，LLM 变成了相当炙手可热的话题，以 ChatGPT 为代表的 LLM 的出现，让人们看到了无限的可能性。ChatGPT能写作，能翻译，能创作诗歌和故事...

安装Ollama并运行 运行大模型 大模型的models https://ollama.com/library 不同模型有不同版本，比如 llama2 有7b版本 需要3.8G内存 70b 需要39G

一种全新的攻防对抗形式出现了。我给他取名，Prompt Reverse Engineering：Prompt逆向工程。

本文主要介绍了Prompt攻击和防攻击的手段，这对于大模型应用开发非常重要，毕竟谁也不想自己辛辛苦苦做的东西被拿来干坏事或者隐私遭到泄漏，这对一个应用来说是致命性的。然后介绍了下Prompt逆向工程

LLM大模型新手训练指南, 本文将介绍`如何微调模型` - 即采用预先训练的模型并为其提供少量数据（通常为几 MB），以使其行为与您所想的任何任务保持一致。例如，如果您想要一个编码助手模型，您可以根据