模型优化师-优快云博客

原创如何把你的 DeePseek-R1 微调为某个领域的专家？看完这一篇你就懂了！

这篇文章深入探讨了如何通过微调技术来优化大语言模型（如 DeepSeek）的表现，使其在特定领域或任务中更具优势。文章首先解释了微调的必要性及其在特定领域中的应用场景，并将微调与长文本处理、知识库的使用进行对比，帮助读者理解何时选择微调。接着，文章详细介绍了微调的基本流程，包括选择预训练模型、准备数据集、设置超参数等。通过硅基流动平台，读者可以体验在线微调的流程。最后，文章提供了一个使用 Colab 和 Unsloth 工具进行本地微调的实战指南，展示了如何从头到尾微调一个算命大师模型，并将其部署到本地环

2025-04-02 14:58:44 757

原创人工智能应用就是大模型能力+场景，基于大模型构建应用，首先要了解大模型的能力圈

“大模型的应用是玩出来的而不是看出来的，多体验和尝试不同的模型之间的功能和区别才能让你真正了解大模型的能力。”在关于大模型应用方面，虽然也了解和应用过其中的一些技术；但经过这段时间的实践和思考发现，对大模型应用的认识还很浅显，因此在此记录一下自己的思考。

2025-04-02 11:03:49 986

原创 OpenAI重新开源！第一弹就推理模型，还不限制商用，“冲着DeepSeek来的”

一夜之间，OpenAI更新三大动向，开源、融资、用户暴增。第一，将开源一个具备推理能力的大语言模型，包含参数权重那种。上一次这样开源还是6年前推出GPT-2。这几乎就是冲着DeepSeek-R1来的。

2025-04-01 11:37:43 537

原创【AI大模型】揭开RAG的神秘面纱：重新定义信息检索的革命性技术，收藏这一篇就够了！！

随着人工智能技术的快速发展，检索增强生成（RAG）作为一种结合检索与生成的创新技术，正在重新定义信息检索的方式。本文深入探讨了RAG的核心原理及其在实际应用中的挑战与解决方案。文章首先分析了通用大模型在知识局限性、幻觉问题和数据安全性等方面的不足，随后详细介绍了RAG通过“检索+生成”模式如何有效解决这些问题。具体而言，RAG利用向量数据库高效存储与检索目标知识，并结合大模型生成合理答案。此外，文章还对RAG的关键技术进行了全面解析，包括文本清洗、文本切块、向量嵌入、召回优化及提示词工程等环节。最后，针对R

2025-04-01 10:36:00 639

原创【AI大模型】只是RAG了一下，我看到了AI大模型的态度！

如果想让AI大模型在作答的时候，能够做到既准确又丰富，还能观点鲜明有态度，该怎么办？或许，给它一个RAG（检索增强生成）就够了。

2025-03-31 21:31:49 535

原创【AI大模型】RAG检索增强之ReRank(重新排序)模型，零基础小白收藏这一篇就够了！！

Rerank模型是一种用于优化信息检索结果排序的机器学习模型，通过精细化评估文档与查询的相关性，提升最终结果的准确性和语义匹配度。以下是其核心要点：定义与定位属于重排序算法，作用于初步检索（如关键词匹配或向量相似度检索）之后，对候选文档进行二次筛选和排序。在RAG（检索增强生成）流程中，与Embedding模型配合使用，形成“粗筛+精排”的协同机制。

2025-03-31 21:08:23 815

原创【AI大模型】医生群体 DeepSeek 使用指南（建议收藏），看到就是赚到！！

2025，DeepSeek 凭借其强大的推理能力、实时动态分析及高效交互体验，迅速成为医疗领域的焦点。然而，90%以上的医生尚未深入了解这一工具的潜力，仅将其视作简单的问答助手。事实上，DeepSeek 能够为临床决策、科研探索、患者管理等多个方面提供高效支持。在这篇指南中，我们将全面解析 DeepSeek 在医生日常工作中的使用技巧及其在不同医疗场景下的具体应用。无论您是初次接触 AI 工具，还是已有一定经验，本文都将帮助您挖掘 DeepSeek 的更大价值。

2025-03-30 08:00:00 493

原创 Deepseek为什么选择蒸馏模型？一文彻底搞懂大模型蒸馏技术

我们看到，DeepSeek 提供了 7B、8B、14B、32B 等多个中小参数量模型，类似地，Qwen（1.5B、3B、7B、14B、32B）和 Llama（7B、13B、34B）也发布了多个中小参数量模型。然而，它们的生成方式有所不同：DeepSeek 是先训练一个超大参数模型，然后通过蒸馏的方式提供小参数量模型；而其他模型则是通过优化训练过程和模型架构来实现。那么，这两种方式有什么差异？ DeepSeek 为什么选择蒸馏模型？

2025-03-29 15:51:32 697

原创生成AI的两大范式：扩散模型与Flow Matching的理论基础与技术比较，收藏这一篇就够了！！

生成模型已成为人工智能领域的关键突破，赋予机器创建高度逼真的图像、音频和文本的能力。在众多生成技术中，扩散模型和Flow Matching尤为引人注目。这两种方法虽然都致力于在噪声与结构化数据之间建立转换，但其基础原理存在本质区别。本文将系统地比较这两种先进技术，深入探讨其数学原理、实际应用及理论解释。

2025-03-29 13:49:24 853

原创【AI大模型部署】保姆级教程：从零开始部署Ollma和Qwen大模型

我们平时使用的ChatGPT、kimi、豆包等Ai对话工具，其服务器都是部署在各家公司的机房里，如果我们有一些隐私数据发到对话中，很难保证信息是否安全等问题，如何在保证数据安全的情况下，又可以使用大语言模型，Ollma可以告诉你答案！

2025-03-28 11:52:01 987

原创 Agent开发攻略篇：智能体技术的突破与实践之路

在人工智能发展的历史长河中，我们正经历着一场前所未有的技术革命。随着大语言模型（LLM）技术的飞速发展。AI Agent（智能体）作为一种能够自主感知、决策和行动的智能系统，正从概念走向实践，重塑着各行各业的工作方式和商业模式。

2025-03-28 11:28:50 1003

原创 2025年普通人如何入局AI大模型？手把手带你从入门到实践！0基础学习AI大模型，看过的已经月入5w了！

在今年格外紧张的就业市场环境下，许多人都在考虑掌握一门技术以增强自己的竞争力，却往往不知道该选择学习什么。在2025年，学习人工智能无疑是一个明智的选择。对于外行人而言，AI可以被理解为一种模拟人类智能行为的技术，它通过计算机系统来学习、推理、解决问题和执行任务。尽管AI技术本身相当复杂，但其目标是为了使生活和工作变得更加便捷和智能化。

2025-03-27 14:17:31 265

原创 10分钟手把手教学：用deepseek4j开发私有大模型知识库，零基础小白收藏这一篇就够了！！

deepseek4j 提供了一套强大的 API，涵盖了 Reasoner、Function Calling、JSON 解析等特性。本工具旨在简化 DeepSeek API 的集成，让开发者能够快速调用相关能力并集成到自己的应用中。然而，DeepSeek 官方并未提供向量模型，因此本工具在最初设计时未考虑向量搜索的集成。

2025-03-27 10:58:05 651

原创一文教你如何搭建基于大模型的智能知识库，看到就是赚到！！！

自从2022年底ChatGPT横空出世引爆了大模型技术浪潮，时至今日已经一年有余，如何从技术侧向商业侧落地转化是一直以来业内普遍关注的问题。从目前企业端观察到的情况来看，基于大模型的知识库是一个比较有潜力和价值的应用场景，能够帮助企业大幅提高知识的整合和应用效率。然而由于通用预训练大模型的训练数据主要来源于公开渠道，缺乏企业专业和私有知识，直接使用将难以支撑企业内部的专业知识问答。

2025-03-26 11:30:09 641

原创一文读懂大模型RAG：检索、增强与生成的技术详解，收藏这一篇就够了！！

大模型（Large Language Model，LLM）的浪潮已经席卷了几乎各行业，但当涉及到专业场景或行业细分领域时，通用大模型往往面临专业知识不足的问题。相对于成本昂贵的“Post-Training”或“Supervised Fine-Tuning”（监督微调，SFT），基于RAG的技术方案成为了一种更优选择。

2025-03-26 10:35:52 671

原创揭秘！中国医疗领域30+前沿AI大模型深度盘点，引领未来医疗新纪元！

近年来，随着人工智能技术的飞速发展，医疗大模型在中国医疗健康领域的应用日益广泛，成为推动行业智能化转型的重要力量。MarketsandMarkets预测称，到2025年，全球医疗大模型市场规模将达38亿美元，到2030年，这一数字将超过100亿美元。

2025-03-25 14:16:29 713

原创【AI大模型】构建私人知识库的5个基本步骤，建议收藏起来慢慢学！！

今天，这篇咱们先看看，如何构建一个AI私人知识库，把我们工作的历史数据构建为知识库，这样直接提问它，获取专业服务于个人的答案，效率直接起飞。构建知识库一种方法是使用LangChain，编写100行内代码，就可以自己开发一个基本的知识库，自己动手，丰衣足食。

2025-03-25 11:18:58 877

原创大模型产品架构全景解读：从应用场景到技术支持的完整路径

随着人工智能技术的迅猛发展，大模型逐渐成为推动各行业智能化转型的核心动力之一。大模型不仅可以处理大量数据，进行复杂任务的自动化，还能通过微调、蒸馏等技术在特定场景中表现出色。本文将结合大模型产品架构图，详细解读每一个组成模块，帮助读者理解从应用场景到技术支持的完整路径，洞察大模型如何在实际业务中落地。

2025-03-24 11:58:54 305

原创 RAG 系统召回优化实战：百万文档中提升检索速度与精度的 4 大方案，建议收藏！！

Retrieval-Augmented Generation（RAG）系统是一种结合检索和生成的技术，广泛应用于问答、对话和内容生成等场景。召回环节作为 RAG 系统的核心，直接决定了系统的检索效率和质量。在本文中，我将基于一个完整的代码示例，详细介绍如何优化 RAG 系统的召回环节，解决百万级文档规模下的速度和精度问题。优化方案包括以下四个方面：

2025-03-24 10:51:35 767

原创 Qwen 2.5 Max与DeepSeek R1测试对比，看到就是赚到！！

随着AI的飞速发展，各大领先语言模型之间的竞争愈发激烈。阿里的Qwen 2.5 Max和DeepSeek V3 (R1) 是这一领域中两款极为强大的人工智能模型。在本文中，我们将分析它们在不同领域的基准测试表现，包括推理、编码、常识以及实际任务等方面。

2025-03-23 08:00:00 718

原创 DeepSeek-R1 + RAG搭建本地知识库，收藏这一篇就够了！

利用DeepSeek-R1与RAG（Retrieval-Augmented Generation，检索增强生成）技术可以快速搭建本地知识库。为确保本地知识库的高效搭建，需先准备DeepSeek-R1模型、相关文档/数据集及部署工具（如Ollama），随后安装Ollama并部署DeepSeek-R1 ，同时选择并配置文本嵌入模型，最后收集/整理文档并确保其唯一标识符和文本内容，利用文本嵌入模型转换文档为向量以构建快速检索的索引。

2025-03-22 11:33:47 612

原创一文搞懂：大模型为什么要设计成预训练和微调两个阶段？看完这一篇你就懂了！！

我们知道在训练大模型时与传统 AI 表现出显著的不同–大模型训练分为预训练和微调的阶段，那么为什么会分为两个阶段呢？

2025-03-22 10:41:51 920

原创 Manus 架构设计揭秘：解构下一代 AI Agent 多智能体架构，建议收藏！！

Manus 的名字源自拉丁语中“手”的含义，寓意其具备将思维转化为行动的强大能力。不同于常规的 AI 助手，Manus 不仅限于提供咨询或答复，它还能直接完成任务的交付。作为一款“全能 AI 代理”，Manus 能够独立完成从简单查询到复杂项目的各种任务，无需用户持续介入。用户只需给出简单的指令，无需具备 AI 专业知识，便能获得优质的结果。

2025-03-21 11:04:27 941

原创 Transformer vs 混合专家（MoE）：谁将主导大模型的未来？看完这一篇你就懂了！！

在AI领域，大型语言模型（LLM）的架构创新正掀起一场“军备竞赛”。Transformer和混合专家（MoE）两大架构的较量尤为激烈：前者是统治NLP领域多年的“老大哥”，后者则是冉冉升起的“新星”。它们的竞争，不仅关乎技术路线的选择，更决定了未来AI能否在效率、性能和成本之间找到最优解。

2025-03-21 10:32:28 782

原创千字长文！最通俗易懂的Transformer模型架构详解！（图文并茂）建议收藏！！

2017 年 Google 在论文《Attention Is All You Need》中提出 Transformer 模型架构，该架构是基于 Encoder-Decoder （编码器-解码器）的架构。作为当下最先进的深度学习架构之一，Transformer 被广泛应用于自然语言处理领域，它不仅替代了以前流行的循环神经网络（RNN）和长短期记忆网络（LSTM），而且后来的 BERT、GPT-3 等网络架构也是基于 Transformer 架构演化而来。RNN 和 LSTM 已经在时序任务方面有了广泛的的

2025-03-20 13:45:50 749

原创别太天真！RAG若只是文档灌Dify，那要工程师做什么？

在AI技术日新月异的今天，我们对智能助手的期待已经远远超出了简单的问答。你是否曾好奇，为什么有些AI回答精准流畅，而有些却显得答非所问？答案或许就在RAG（Retrieval-Augmented Generation，检索增强生成）——一种正在悄然重塑AI能力的技术。如果你以为RAG只是“把文档丢进Dify”那么简单，那可能就低估了它的复杂性。今天，我们不仅要揭开RAG的核心原理，还要深入解析其中一个关键但常被忽视的环节——分块策略。毕竟，AI要想回答得好，喂它的信息得先切得合适，而这一点，远比想象中更讲究

2025-03-20 10:31:44 892

空空如也

空空如也