LLM训练

从零构建MCP服务器：FastMCP实战指南

引言：MCP协议与FastMCP框架ModelContextProtocol（MCP）是连接AI模型与外部服务的标准化协议，允许LLM（如Claude、Gemini）调用工具、访问数据。
炼丹上岸·2025-07-10 06:55

2025B卷 - 华为OD机试七日集训第5期 - 按算法分类，由易到难，循序渐进，玩转OD

目录推荐刷题方法：一、适合人群二、本期训练时间三、如何参加四、七日集训第5期五、精心挑选21道高频100分经典题目，作为入门。
哪 吒·2025-07-10 04:38

2025B卷 - 华为OD机试七日集训第4期 - 按算法分类，由易到难，循序渐进，玩转OD（Python/JS/C/C++）

目录推荐刷题方法：一、适合人群二、本期训练时间三、如何参加四、七日集训第4期五、精心挑选21道高频100分经典题目，作为入门。
哪 吒·2025-07-10 04:08

人工智能 开源的大模型训练微调框架LLaMA-Factory

LLaMA-Factory是一个开源的大模型训练微调框架，具有模块化设计和多种高效的训练方法，能够满足不同用户的需求。用户可以通过命令行或Web界面进行操作，实现个性化的语言模型微调。
·2025-07-10 04:37

2025B卷 - 华为OD机试七日集训第2期 - 按算法分类，由易到难，循序渐进，玩转OD（Python/JS/C/C++）

目录推荐刷题方法：一、适合人群二、本期训练时间三、如何参加四、七日集训第2期五、精心挑选21道高频100分经典题目，作为入门。
·2025-07-10 04:36

基于大模型的急性出血坏死性胰腺炎预测技术方案

目录一、算法实现伪代码1.数据预处理与特征工程2.大模型训练（以Transformer为例）3.实时预测与动态调整二、模块流程图1.术前预测流程2.术中动态决策流程3.术后护理流程三、系统集成方案1.系统架构图
LCG元·2025-07-10 02:22

NCCL 核心集体通信操作深度解析：从原理到优化实践

目录引言：NCCL——分布式训练的通信引擎一、NCCL基础：GPU通信的“加速器”1.1NCCL与MPI的协同1.2集体通信的价值二、NCCL核心操作深度解析2.1AllGather：全局数据聚合2.1.1
清风 001·2025-07-10 00:13

【零基础学AI】第30讲：生成对抗网络(GAN)实战 - 手写数字生成

本节课你将学到GAN的基本原理和工作机制使用PyTorch构建生成器和判别器DCGAN架构实现技巧训练GAN模型的实用技巧开始之前环境要求Python3.8+需要安装的包：pipinstalltorchtorchvisionmatplotlibnumpyGPU
1989·2025-07-10 00:41

【深度学习第六期深度学习中的归一化与正则化技术：原理、实践与应用】

详细阐述它们的基本原理，包括如何调整数据分布、控制模型复杂度等；通过丰富的实例和对应代码，展示在不同网络架构中这些技术的具体实现方式，以及对模型训练和性能的影响；同时，对比分析各项技术的特点和
码上有前·2025-07-09 23:08

深度神经网络课程设计：从理论到实践

学生将通过源代码示例学习从网络架构设计、数据预处理到模型训练与评估的完整流程，并掌握深度学习的基本概念、组件及技巧。
Vita Libre·2025-07-09 22:04

RAG实战指南 Day 11：文本分块策略与最佳实践

本文深入解析5种主流分块技术：1)固定大小分块的实现与调优技巧；2)基于语义的递归分割算法；3)文档结构感知的分块策略；4)LLM增强的智能分块方法；5)多模态混合内容处理方案。通过电商知识库和科
在未来等你·2025-07-09 22:01

【华为昇腾|CUDA】服务器A6000显卡部署LLM实战记录

安装驱动https://www.nvidia.cn/drivers/lookup/搜索对应gpu的kylin版本即可先使用wget下载rpm包rpm-i安装最后使用dnfinstallnvidia-driver即可上面安装的是驱动仓库安装CUDAkylin服务器参考配置同上，先wget，后rpm-i，最后dnfinstallcuda即可安装Ollamaollama官方提供aarch64docker
刘阿宾·2025-07-09 22:59

算法训练营DAY29 第八章 贪心算法 part02

134.加油站134.加油站-力扣（LeetCode）思路如果总消耗大于总油量，那肯定无法完成绕圈令rest=gas-cost；循环中累加这个rest记为curSUM；如果curSum出现负数，让start记为i+1；curSum归零，重新计数；遍历完后如果能完成绕圈，start记录的就是答案起始位置。classSolution{public:intcurSum=0;inttotalSum=0;i
·2025-07-09 21:27

算法训练营DAY5 第二章 链表part02 补

首先补充链表part01的双链表、递归法反转链表双链表单链表中的指针域只能指向节点的下一个节点。双链表：每一个节点有两个指针域，一个指向下一个节点，一个指向上一个节点。双链表既可以向前查询也可以向后查询。关键点：注意哨兵指针的初始化，前后都指向自己；在查询函数中，使用中点下标简化查询中的cur指针移动次数，从哨兵指针开始向后移动cur指针时，需要注意for循环中“inext=sentinelNod
·2025-07-09 21:26

算法训练营DAY24 第七章 回溯算法part03

93.复原IP地址93.复原IP地址-力扣（LeetCode）给定一个只包含数字的字符串，复原它并返回所有可能的IP地址格式。有效的IP地址正好由四个整数（每个整数位于0到255之间组成，且不能含有前导0），整数之间用'.'分隔。例如："0.1.2.201"和"192.168.1.1"是有效的IP地址，但是"0.011.255.245"、"192.168.1.312"和"[email protected]"是
·2025-07-09 21:26

算法训练营DAY7 第三章 哈希表part02

第454题.四数相加II454.四数相加II-力扣（LeetCode）解题思路：使用unordered_map，用两个for循环遍历A与B数组所有的可能的a+b组合，以及每种组合出现的次数；接下来在两个for循环中遍历所有的target=0-(c+d)，在map中查询每个target是否出现，若出现则count+=map[target](map的键值，相当于该种target的出现次数)；最终输出c
_Coin_-·2025-07-09 21:56

代码训练营DAY13 第六章 二叉树part01

理论基础二叉树种类存储方式遍历方式深度优先搜索&广度优先搜索深度：前序遍历、中序遍历、后序遍历（中间在前or中or后，左右顺序固定）广度：二叉树定义递归遍历（必须掌握）递归分析三步法1、确定递归函数的参数和返回值2、确定终止条件3、确定单层递归逻辑前序遍历144.二叉树的前序遍历-力扣（LeetCode）/***Definitionforabinarytreenode.*structTreeNod
_Coin_-·2025-07-09 21:56

AI产品经理技术篇：从传统AI到生成式AI，解密大模型的核心概念

这种转变背后，是参数规模、模型架构和训练方式的根本性革新。作为AI产品经理，理解大模型的核心概念至关重要。从“参数”的意义到“Token”的向量化，从Transfor
让我看看好学吗·2025-07-09 21:24

huggingface 笔记： Trainer

Trainer是一个为Transformers中PyTorch模型设计的完整训练与评估循环只需将模型、预处理器、数据集和训练参数传入Trainer，其余交给它处理，即可快速开始训练自动处理以下训练流程：
UQI-LIUWJ·2025-07-09 21:23

huggingface笔记：文本生成Text generation

1加载LLM模型fromtransformersimportAutoTokenizer,AutoModelForCausalLMimporttorchimportosmodel=AutoModelForCausalLM.from_pretrained
UQI-LIUWJ·2025-07-09 21:23

论文略读： ALPAGASUS: TRAINING A BETTER ALPACA WITH FEWER DATA

背景大模型通常需要在有监督指令数据集上进行指令微调来加强指令遵循能力但是广泛使用的数据集包含许多具有不正确或不相关响应的低质量样本，这对大模型微调具有误导性——>论文提出了一种简单有效的数据选择策略，使用ChatGPT自动识别和过滤掉低质量数据同时引入了:ALPAGASUS，它是仅对从52k训练数据中过滤出来的
·2025-07-09 21:23

论文略读：ASurvey of Large Language Models for Graphs

graph+大模型GNNsasPrefixLLMsasPrefixLLMs-GraphsIntegrationLLMs-Only1GNNsasPrefix1.1节点级Token化将图结构中的每个节点单独输入到LLM
UQI-LIUWJ·2025-07-09 21:23

揭秘图像LLM：从像素到语言的智能转换

图像LLM是怎么工作图像LLM（多模态大语言模型）的核心是将图像转化为语言模型能理解的“语言”，并与文本深度融合。
ZhangJiQun&MXP·2025-07-09 21:52

深度学习之迁移学习

一、迁移学习的核心动机传统机器学习通常要求为每个新任务收集大量标注数据并从头训练模型，但现实中面临以下挑战：数据稀缺：例如医疗影像分析（罕见疾病样本少）
路溪非溪·2025-07-09 21:22

！LangChain自定义代理开发深度解析(44)

它通过以下核心机制实现智能交互：工具调用：代理可调用外部工具（如搜索引擎、计算器等）获取实时信息对话历史管理：维护多轮对话上下文，支持状态追踪决策逻辑：基于LLM生成决策，判断是否需要调用工具或直接回答
Android 小码蜂·2025-07-09 21:52

！LangChain链的调试与故障排查深度解析(30)

这些组件包括LLM（大语言模型）、PromptTemplate（提示模板）、Chain（链）、Agent（智能体）等。LLM负责生成文本，PromptTemplate用于构建结构化提示，Cha
Android 小码蜂·2025-07-09 21:21

LangChain提示词设计核心原则深度解析(9)

LangChain提示词设计核心原则深度解析一、LangChain提示词设计概述1.1提示词在LangChain中的定位在LangChain框架中，提示词是连接用户需求与大语言模型（LLM）能力的关键桥梁
Android 小码蜂·2025-07-09 21:20

中文大模型的技术债问题

本文系统性地分析了中文大模型在数据采集、预训练、微调、评估与部署等生命周期各阶段产生的技术债类型，包括代码复杂性、数据隐患、训练流程依赖、工具链碎片化、模型解释性差、隐性资源耦合等问题，
大鹏的NLP博客·2025-07-09 20:50

AI原生应用开发：LLM的异常检测与处理

AI原生应用开发：LLM的异常检测与处理关键词：大语言模型（LLM）、异常检测、AI原生应用、错误处理、提示工程摘要：在AI原生应用中，大语言模型（LLM）已成为核心“大脑”，但它的“不靠谱”行为（如虚构事实
SuperAGI2025·2025-07-09 20:18

一文看尽LLM对齐技术：RLHF、RLAIF、PPO、DPO……

更多实战和面试交流，文末加入我们为了对齐LLM，各路研究者妙招连连。LLM很强大了，但
Python算法实战·2025-07-09 20:48

LLM（大语言模型）能识别图像的核心原因:图像和文本记性特征识别且对其

LLM（大语言模型）能识别图像的核心原因:图像和文本记性特征识别且对其在于跨模态对齐技术——通过训练将图像和文本映射到同一语义空间，使语言模型能够理解视觉信息。一、为什么LLM能识别图像？
ZhangJiQun&MXP·2025-07-09 20:17

人工智能-基础篇-18-什么是RAG(检索增强生成：知识库+向量化技术+大语言模型LLM整合的技术框架)

RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合外部知识检索与大语言模型（LLM）生成能力的技术框架，旨在提升生成式AI在问答、内容创作等任务中的准确性、实时性和领域适应性
weisian151·2025-07-09 20:47

[论文阅读] 人工智能 + 软件工程 | 需求获取访谈中LLM生成跟进问题研究：来龙去脉与创新突破

需求获取访谈中LLM生成跟进问题研究：来龙去脉与创新突破论文标题：RequirementsElicitationFollow-UpQuestionGenerationarXiv:2507.02858RequirementsElicitationFollow-UpQuestionGenerationYuchenShen
·2025-07-09 20:47

PyTorch+CNN进行猫狗识别项目

XXX.jpg（每个文件夹含若干张图像）├──val│└──cat│└──XXX.jpg（每个文件夹含若干张图像）│└──dog└─────└──XXX.jpg（每个文件夹含若干张图像）需要对train数据集进行训练
·2025-07-09 20:46

魔都AI医疗哪家强？全景揭秘科技创新与未来钱景！

这些公司利用深度学习、大语言模型（LLM）和计算机视觉等技术，革新药物发现、医疗影像分析和数据治理，推动医疗行业的智能化转型。
·2025-07-09 16:53

粒子群算法的原理与实现示例

该算法通过模拟群体中个体（粒子）的运动和信息交互，在解空间中搜索最优解，具有实现简单、收敛速度快、参数少等特点，被广泛应用于函数优化、神经网络训练、工程设计等领域。一、算法
禺垣·2025-07-09 13:36

LLM探索的时代

每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/当前的大语言模型，是过去三十年人类在互联网上自由发布海量文本内容的意外副产品。IlyaS
新加坡内哥谈技术·2025-07-09 13:35

Python爬虫实战：爬取网易云音乐热评的完整教程

爬取热评可以用于：歌曲口碑分析用户情绪挖掘热门歌曲趋势追踪机器学习训练数据准备但网易云音乐对评论接口进行了加密，直接请求很难成功。本文将帮你攻克这一难点。
Python爬虫项目·2025-07-09 12:25

Gemma Chatbot 架构深度剖析：从 C++ 核心到多语言推理的工程实践

GemmaChatbot架构深度剖析：从C++核心到多语言推理的工程实践随着大语言模型（LLM）本地化需求日益提升，如何设计一套高效、可扩展、易于维护的本地聊天系统。
雷羿 LexChien·2025-07-09 11:18

【零基础学AI】第33讲：强化学习基础 - 游戏AI智能体

本节课你将学到理解强化学习的基本概念和框架掌握Q-learning算法原理使用Python实现贪吃蛇游戏AI训练能够自主玩游戏的智能体开始之前环境要求Python3.8+PyTorch2.0+Gymnasium
1989·2025-07-09 11:16

python基础训练day27

python基础训练day27小白打卡第27天！题目来源这里python基础训练day27第一题（循环）第二题（进制转换）第三题（又是循环）第四题（字符串连接）第一题（循环）#809*??
·2025-07-09 11:14

一文读懂 AI 模型训练流程

一文读懂AI模型训练流程在当今数字化时代，AI技术发展得如火如荼，广泛应用于各个领域，而这背后离不开AI模型的训练。AI模型训练流程就像是一场精心策划的“智慧锻造之旅”，每一步都至关重要。
AI赋能·2025-07-09 10:42

什么是智能体（Agent）？

大语言模型是一种采用大量数据进行训练的人工智能模型，主要用于理解和生成自然语
用什么都重名·2025-07-09 10:40

【AI论文】Skywork-Reward-V2：通过人机协同实现偏好数据整理的规模化扩展

即便采用先进训练技术的方法也未能显著提升性能。我们推测，这种脆弱性主要源于偏好数据集的局限性——这些数据集往往范围狭窄、标
·2025-07-09 09:37

03 数据可视化的世界非常广阔，除了已提到的类型，还有许多更细分或前沿的可视化形式。

学习曲线（LearningCurve）用途：分析模型训练过程
晨曦543210·2025-07-09 07:17

当争论者还在讨论AI的边界，实践者早已用这些技术解决实际问题

——普通人参与AI革命的关键路径一、AI应用五大核心组件（通俗拆解版）1️⃣LLM：AI的「决策核心」本质：大型语言模型（如DeepSeek、通义千问），具备语言理解与生成能力能力边界：✅处理文本类任务
渡难繁辰·2025-07-09 07:47

【深度学习】大模型GLM-4-9B Chat ，微调与部署(3) TensorRT-LLM、TensorRT量化加速、Triton部署

文章目录获取TensorRT-LLM代码：构建docker镜像并安装TensorRT-LLM：运行docker镜像：安装依赖魔改下部分package代码：量化：构建图：全局参数插件配置常用配置参数测试推理是否可以代码推理
XD742971636·2025-07-09 06:40

Jetson Orin NX Super安装TensorRT-LLM

根据图片中显示的JetsonOrinNXSuper系统环境（JetPack6.2+CUDA12.6+TensorRT10.7），以下是针对该平台的TensorRT-LLM安装优化方案：一、环境适配调整基于你的实际配置
u013250861·2025-07-09 05:37

大白话解释深度学习中多尺度特征融合及其意义

假设你想训练一个计算机程序来识别和分割这些不同的物体（汽车、巴士、行人）。
来自宇宙的曹先生·2025-07-09 05:05

TensorRT-LLM：大模型推理加速引擎的架构与实践

一、TensorRT-LLM介绍：TensorRT-LLM是
·2025-07-09 05:03
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他