小白入门大模型

01 前言 最近在做亚马逊类目Top版跟卖的事情， 发现亚马逊的类目是一棵树，层级不是很固定， 每点击类目下转，会有新的类目展开。 这种层级结构我们在生活中非常常见，比如我们企业的通讯录、部门组织架构

01 什么是框架? 开始介绍之前, 我们先了解一下什么是框架?xx框架-IT人经常听到的名词。但是又有多少人知道框架的意思? 框架（framework）是一个框子:指其约束性，也是一个架子——指其支撑

点击蓝字 关注我们 不迷路 随着技术的不断进步，LLM 带来了前所未有的机遇，吸引了开发者和组织纷纷尝试利用其强大的能力构建应用程序。然而，当预训练的 LLM 在实际应用中无法达到预期的性能水平时,

我们经常在使用hugging face上模型和数据集时候,如果要想模下载到本地,要使用git lfs 方式下载。 那么与git有什么关系?什么是git lfs? 现在最流行的代码管理工具就是git,

相信很多人都使用过LLM大模型，但是现有大模型或多或少都有以下问题： LLM幻觉问题：从《【小白入门篇1】GPT到底是怎样练成？》我们知道虽然大模型现在能力很强,但是本质就是在做文字接龙,而且每次接龙

之前文章《Transformer原理》中介绍过,Transformers 是由 Hugging Face 开发的一个包，支持加载目前绝大部分的预训练模型。随着 BERT、GPT 等大规模语言模型的兴起

之前利用MedicalGPT跑过了《微调实操一: 增量预训练(Pretraining)》、《微调实操二: 有监督微调(Supervised Finetuning)》、《微调实操三:人类反馈对语言模型进

01 背景 各个公司相继推出大模型, 有开源和不开源,有些技术爱好者也开始心痒难耐，萌生了私有本地模型,甚至有伙伴构建大模型并进行训练的想法, 大模型不仅比拼技术, 也是比拼爹(资源)的存在, 我个人

大模型让智能体成为更多可能性， 很多公司开始押注下一轮应用形式，其中包括OpenAI、字节、科大讯飞、百度等公司都押注了智能体这个方向。其实，学习大模型到现在，个人也在一直想，大模型未来应用场景方向有

之前《【大模型应用篇4】普通人构建智能体的工具》介绍了普通人(包括没有任何计算)可以使用工具构建智能体, 并在《【大模型应用篇5】应对裁员潮,突发奇想,打造“收割offer”智能体.......》文章

前段时间飞书大裁员, 不禁让人感到危机四伏,加上《【大模型应用篇4】普通人构建智能体的工具》之前文章介绍了普通人打造智能体的工具, 这节课就带大家利用字节产品coze构建“程序员智能体”, 方便应对裁

01 免费GPU平台 巧妇难为无米之炊, 虽然现在大模型开源很火热, 但是缺少gpu计算资源的小伙伴, 还是无法实操这些开源模型,对大模型研究浅尝辄止,或者只能用第三方开放的平台的普通对话框, 今天就

Meta LLaMA是Meta公司开源的大模型，作为大模型开源界得鼻祖， 刚刚发布LLaMA3。从ChatGPT 拉开了大模型竞赛的序幕，Meta 选择了开源，至此大模型也开始百花齐放的时期，但是开源

上一节我们学习《【大模型应用篇3】LLM时代下的智能体》,基本了解现在LLM智能体的概念和架构, 这节课介绍一些打造自己AI agents的工具给大家。 磨刀不误砍柴工, 今天我们就先了解一下常用打造

上篇文章《【大模型应用篇2】提示词实践-短剧文案》我们演示了提示词的应用场景, 但是仅仅依靠提示词,无法应对现实生活中复杂场景, 比如我们在大模型上制定了旅游计划,但是还要到各个平台查询最新的机票、酒

在上节课《【大模型应用篇1】学会对模型念咒语》带大家一起学习了提示词工程，我相信大部分朋友学完之后，还是有懵懂的，这节课带大家实操一下提示词的应用场景，现在短剧的创作很火，好看的短剧内容一定不会差，我

01 绘画AI工具 之前《【小白入门篇2】总有一款AI工具适合你》、《【小白入门篇3】还是GPT4更香》文章的介绍软件中大部分是文字生成文字的，随着人对艺术形态追求越来越高，现在AIGC领域也逐渐出现

上一节文章《【小白入门篇2】总有一款AI工具适合你》介绍了很多ai产品给大家，有同学私信我，国内工具还是比较差，还是想用gpt4模型。这个章节介绍一些gpt4工具给大家, 其中大部分都只有一些免费的次