程序猿阿三

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