艾醒

在人工智能技术飞速发展的当下，通用大模型无疑是最受关注的领域之一。它凭借强大的能力打破了传统 AI 模型的局限，为各行业的智能化升级提供了全新可能。

在人工智能大模型飞速发展的今天，Transformer 架构无疑是撑起整个领域的 “基石”，而 MoE架构则凭借其独特的 “稀疏激活” 思路，成为突破大模型参数的关键

在大模型落地实践中，微调（Fine-tuning）是连接通用预训练能力与特定任务需求的关键环节。通过微调，我们能让在海量数据上预训练的模型“适配” 具体业务场景。本文将系统梳理六种主流微调方式

EvalScope 是由阿里巴巴魔搭社区（ModelScope）开发的开源模型评估与性能基准测试框架，专注于为大语言模型（LLM）、多模态模型及其他 AI 模型提供系统化的评估解决方案。

过去十年，人工智能领域最震撼的变革之一，是模型参数量从百万级飙升至万亿级。从GPT-3的1750亿参数到GPT-4的神秘规模，再到谷歌Gemini的“多模态巨兽”，参数量仿佛成了AI能力的代名词

在人工智能模型的开发流程中，微调是让预训练模型适配特定任务、提升性能的关键环节。而在微调的启动方式上，“冷启动” 和 “热启动” 是两个高频出现但容易混淆的概念。

kubernetes官方提供了中文文档，网上也有不少中文教程，可是实际的安装过程中，还是遇到了不少的坑。主要有： kubernetes的版本迭代比较迅速。网上教程中版本多是1.6这样的，最新的k8s版本是1.13.0 kubernetes的需要安装的rpm包及docker镜像国…

自监督学习：从数据内在规律中解锁AI的“自学”密码 在人工智能领域，自监督学习（Self-supervised Learning）正掀起一场革命。

当语言模型学会“自己教自己” 在人工智能领域，语言模型（如GPT、BERT）的崛起彻底改变了自然语言处理（NLP）的格局。