周末程序猿

上一篇如何使用LoRA训练大模型，但是模型的效果不是很好，可以看如下对话： ... 对话的偏好不是我们想要的答案，所以需要继续微调训练，这篇文章就介绍DPO。

上一篇完成DPO的训练，但是模型的输出效果不好，因此在找原因，于是将理论重新过一遍，以发现每个环节需要优化的地方，本文就是理论知识：《Transformer模型中的位置编码》。

Kaze AI：最强在线水印去除工具 Kaze AI[5] 是一款在线水印去除工具，注册即赠送 3 积分。其去除效果堪称目前市面上最强。不过，目前仅提供在线版本，且无 API 可用，价格也相对较高。有

Bruno 是一款快速、Git 友好的开源 API 客户端，旨在彻底改变以 Postman、Insomnia 和其他类似工具为代表的现状。

继续《从0开发大模型》系列文章，上一篇用全量数据做微调，训练时间太长，参数比较大，但是有一种高效的微调方式LoRA。 1、LoRA是如何实现的? 在深入了解 LoRA 之前，我们先回顾一下一些基本的线

我们在​写Prompt可能经常遇到不准确或者无法获得外部知识，因此本文讲述CoT和ReAct如何运作并提高大语言模型准确性。 第一部分：CoT（思维链） 1、什么是CoT 通用的Prompt： CoT

本文主要介绍k8s的核心原理，包括浅析各个模块的运行逻辑和k8s中的网络通讯。 第一部分：模块 核心架构 以上是在k8s中的各个模块，下面就来详细介绍一下各个模块的作用和原理。 1、API Serve

简介 mimalloc 是微软研究院在2019年发表并开源的一个新的内存分配库（https://github.com/microsoft/mimalloc）。

监控一直是我们在开发过程中老生常谈的话题，大多数开发认为监控是运维的工作，我们只需要关注业务逻辑，打印对应的日志，增加上报数据，或者是用一些轻量的开源监控即可，是这样么？ 其实随着云原生的架构演进，微