ConardLi

如何评估模型在垂直领域下的表现？ 如何评估模型微调前后的效果？ 如何量化 RAG 系统的召回率？ 如何从领域知识创建模型评估数据集？

年底的 AI 圈子很热闹，可以说是神仙打架：`Gemini 3.0`、`Claude Opus 4.5`、`GPT 5.2` ...这三大全球最顶级的模型，**几乎在同一时间甩出了自己的“王炸”。

2025 注定是要被载入 AI 史册的一年，大模型扎堆发布、开源生态空前繁荣... 但技术突破的喧嚣之外，真实世界究竟发生了什么？

就在我们还在回味上周 OpenAI 发布的 `GPT-5.1` 如何用“更有人情味”的交互惊艳全场，还在感叹9月底 `Claude 4.5 Sonnet` 在编程领域的统治力时，`Google` 在昨

大家好，欢迎来到 code秘密花园，我是花园老师（ConardLi）。 今天跟大家来聊聊 Easy Dataset 的一些最新消息以及近期重点更新功能解读。 首先说几个好消息，Easy Dataset

随着 AI 技术突飞猛进的发展，各种大模型的上限虽然在不断增强，但模型有的时候似乎有点学会偷懒了。典型的现象是，有时模型在回答问题时可能会放弃寻找多样的可能性，直接偷懒给类似提问一个最普通同时也最不容

在 AI 技术迅猛发展的今天，我们每天都能在社交平台上看到新的AI产品 — 能写文案、能画图、甚至能自动写代码。很多人都有这样的感受，它们看似离我们越来越近，但当我们真正想系统学习时，却往往不知从何入

今天跟大家聊一下最近爆火的 Gemini ，谷歌开发的开源 AI Agent 命令行工具，目前在 Github 上已经斩获了 60K Star，是目前同类开源产品中最热门的工具。

这份教程全文共 3W+ 字，用一个微调 Web 安全领域专家模型的例子进行串联，讲解了关于模型微调的基础理论、LLaMA Factory 微调工具的使用、微调过程中各种参数的配置经验、微调过程效果观察