从零掌握BERT微调核心技术，一小时构建工业级文本分类模型。 一、文本分类任务全景图 文本分类类型矩阵 二、环境准备与数据加载 输出: 三、BERT数据处理全流程 1. 文本分词与编码 2. 数据集格

一、Transformer训练过程深度剖析 1.1 训练流程全景图 1.2 关键训练技术 1.2.1 教师强制（Teacher Forcing） 1.3 损失函数与优化策略 损失函数选择： 分类任务：

在当今人工智能飞速发展的时代，大型语言模型（LLMs）已广泛应用于各种场景。为了让这些模型更高效地与外部工具和上下文提供者通信，模型上下文协议（Model Context Protocol，MCP）应

本篇适合做llm训练项目前整理思路，介绍从怎么选学习率、设置 epoch 开始，到训练脚本怎么写、平台怎么配，再到用 LoRA 轻量化微调、做效果评估、导出模型部署。

MCP协议新推出Streamable HTTP，解决传统Stdio/SSE通信关键问题。本文从理论出发，史上最详细讲解StreamableMCPServer，又从0到1手撕代码帮助你完全掌握核心原理！

在讯飞工作的一年里，我在构建AI Agent方面积累了丰富的经验，这些经验来自于我与工程师和用户体验设计师的紧密合作。我们的目标是为客户提供一个平台，让他们可以使用我们的AI Agent-一款标准数据

随着大语言模型的横空出世，生成式AI应用也在不断发展，图1列出了生成式AI应用的分级，共分为5级： L1 Tool，人类完成所有工作，基本没有任何显性的AI辅助，只是比较简单的工具，会被逐渐升级淘汰；

本文深入剖析了 deepspeed-chat 中 RLHF 训练 SFT 和 Reward 的代码细节。

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