- 博客(566)
- 收藏
- 关注
RSS订阅原创 AI产品经理如何高效使用Prompt？一篇讲透
摘要：Prompt是与AI对话的核心指令，决定AI的理解与回应质量。有效Prompt包含四个要素：角色设定（如"专业健身教练"）、任务类型（内容生成、分类等）、限定条件（字数、格式等）和样例参考（零样本/少样本提示）。通过"角色+任务+限定+样例"的结构化设计，能显著提升AI输出的准确性和适用性，如情感分析任务中通过示例引导模型判断用户评价的情感倾向。
2025-11-11 21:58:25
637
原创 AI产品经理学习路线(非常详细)，从零基础入门到精通，从看这篇开始！
AI产品经理与传统产品经理在思维框架上相似，但AI产品更注重技术驱动变革业务流程。文章从异同点、必备技能、转型方法和学习路线四方面展开：1）AI产品经理需理解算法和数据，分为ToB/ToC/硬件三类；2）除产品通用技能外，需掌握AI场景评估、算法原理和数据处理能力；3）建议通过实践参与数据标注、了解评价指标，逐步构建AI知识体系；4）提供包含七大阶段的学习路径，覆盖大模型设计、应用开发到行业落地，并附赠学习资料包。特别强调要结合业务场景理解技术边界，通过项目实战培养AI产品能力。
2025-11-11 21:56:50
549
原创 一文读懂！AI 产品经理的核心职责与技能要求，你是否达标？
AI产品经理是连接技术与市场的关键角色，其核心职责包括：精准洞察市场需求，通过调研分析用户痛点；规划产品战略，设计符合AI特性的功能方案；协调技术团队实现业务目标；持续优化产品表现。该岗位要求兼具技术理解力（熟悉机器学习等算法原理）和数据敏感度（掌握数据分析方法），既能与研发团队高效沟通，又能基于数据优化产品体验。优秀的AI产品经理需要实现技术与商业价值的融合，推动AI产品从概念到落地的全过程。
2025-11-11 21:54:48
839
原创 人工智能产品经理必修课：十大核心算法深度解析
人工智能产品经理需要具备四项核心技能：懂数据、懂算法、会沟通、懂行业。数据是AI产品的基础，需理解业务内涵、数据属性和处理流程；算法方面要参与设计和优化过程；沟通需专业、条理且广博；行业认知则决定产品的应用场景和商业模式。这四项技能相互支撑，使产品经理能有效协调资源，推动AI产品落地。
2025-11-03 14:38:25
674
原创 AI产品经理职业全解析：通往大模型时代的黄金赛道，转型必看指南
本文系统解析了AI产品经理的新兴岗位。首先梳理了AI产业链的三层结构：基础层（算力硬件/数据资源）、技术层（算法/开发平台）和技术层（行业解决方案）。其次分析了AI技术对硬件革新的推动，包括芯片、传感器等关键领域。最后将AI产品经理分为两类：基栈型（专注算法技术开发）和AI+型（负责行业解决方案落地），指出前者需要深入技术细节，后者则需兼具行业洞察力。全文揭示了AI产品经理作为技术商业化桥梁的独特价值，以及在AI生态中的关键作用。（149字）
2025-11-03 14:34:39
795
原创 基于RAG的企业智能客服项目，已拿offer！！
摘要： 基于RAG技术开发的企业智能客服系统，通过文档切割、Embedding转换和KNN检索实现高效知识检索，显著提升问答效果。已有成功案例证明该项目能有效提升求职竞争力（获两家大厂offer，涨薪50%）。现提供完整项目文档及大模型AI学习资料免费领取，助力开发者快速构建同类系统。
2025-11-03 14:31:35
203
原创 突然发现！AI产品经理面试，真的很水了…
优秀不是口号，而是突破舒适圈的实践标准。面试中展现优秀需要结构化表达：自我介绍要突出亮点与数据支撑，项目经历需说明背景、方法、成果和团队协作；产品思维要体现在用户需求洞察与技术落地的全过程；行业认知则需展示对竞品的深度分析和未来趋势判断。AI产品经理要善用故事化表达，将技术方案转化为业务价值，用具体数据佐证产品效果，并通过持续迭代优化证明成长潜力。最终，优秀的标准是每个案例都能让自己感到惊艳。
2025-11-03 14:28:42
1042
原创 2025年AI产品经理需要哪些必备技能？如何成为AI产品经理？_ai课程产品经理
AI产品经理是负责将AI技术应用于实际场景的专业人才，其核心职责包括规划AI技术应用方案和基于业务需求开发AI解决方案。与传统互联网产品经理相比，AI产品经理需具备更强的技术理解能力，能与算法团队顺畅沟通。AI产品经理主要分为软件和硬件两大方向：软件方向包括专业领域型（如CV/NLP/自动驾驶）和平台型（机器学习平台）；硬件方向涉及智能硬件和算力产品。优秀的AI产品经理需要掌握算法知识、系统架构、数据分析等专业技能，同时具备将业务需求转化为技术方案的能力。随着AI行业发展，该岗位正逐步向技术专业化方向演进。
2025-11-03 14:21:11
908
原创 高薪起点！AI产品经理必备的四大核心技术模型与三大知识体系
AI行业人才紧缺，产品经理成热门岗位 2025年AI行业人才缺口显著，尤其是AIGC方向，AI产品经理和研发类岗位需求激增，薪资优势明显（产品经理年薪可达90万）。AI产品经理工作流程包括需求定义、数据准备、产品设计及上线反馈，需兼顾技术理解与产品思维。当前大模型技术降低了入行门槛，非技术背景者可重点布局AIGC领域。 学习建议：零基础者可分阶段掌握大模型应用开发、提示词工程、微调等技能，结合行业案例实践。资料包涵盖面试题、白皮书及学习路线，助你快速入行。AI产品经理需技术+业务双线能力，职业前景广阔。 （
2025-10-20 17:16:59
715
原创 PyTorch实战：从零搭建Transformer（附完整代码）
摘要 Transformer作为深度学习领域的里程碑模型，基于自注意力机制彻底改变了自然语言处理任务，成为ChatGPT等主流大模型的核心基础。其架构分为Encoder和Decoder两部分，采用并行计算替代传统RNN的串行结构，显著提升训练效率。输入部分通过词嵌入将离散文本映射为连续向量，并加入位置编码保留序列信息。PyTorch框架为Transformer实现提供了高效支持。模型通过多层Encoder/Decoder堆叠处理输入，其中Dropout机制可防止过拟合。该架构已成为当前大模型技术的重要基础，
2025-10-18 11:44:01
761
原创 每天2.5小时练完这些项目，你的大模型就很牛了！这是我见过最全面的大模型实战项目汇总！！
这篇文章介绍了一份全面的大模型实战项目资源，涵盖模型训练、微调（包括LoRA、P-Tuning等方法）和分布式训练等核心内容。项目亮点在于全流程技术覆盖和工程化实战指南，适合学习和简历提升。资源包含模块化代码和技术文档，提供从6B到65B模型的训练教程，包括全量微调、高效微调和RLHF等。文末附有免费领取完整资料的二维码。
2025-10-13 15:13:22
268
原创 成为AI产品经理必学大模型技术（2025最新版视频+书籍+面试资料）
随着人工智能的发展，AI产品经理这一岗位逐渐被人熟知，而做AI产品经理，和传统互联网PM最大的区别是什么？不是画原型、写PRD的能力，而是对大模型技术的“认知穿透力”——你得知道大模型能做什么、不能做什么，理解技术边界才能定义产品边界，懂技术逻辑才能和算法团队同频，最终把“AI能力”变成用户能感知的“产品价值”。大模型是AI产品经理当前核心的技术抓手与设计基础，而AI产品经理则负责将大模型的技术能力转化为满足用户需求的实际产品，二者是“技术能力”与“商业价值转化”的强绑定关系。
2025-09-23 17:35:44
661
原创 万字详解！人工智能AI 产品经理与传统产品经理工作到底有什么不同？_ai产品经理
AI产品经理与传统产品经理的差异主要体现在技术应用和职责范围上。AI产品经理专注于应用AI技术（如语义、语音、计算机视觉和机器学习）进行产品设计、研发和生命周期管理，需与数据科学家紧密合作，关注数据质量、模型迭代及伦理风险。传统产品经理则更注重市场需求、竞争分析和产品全生命周期管理，强调与市场、销售等团队的协作。随着AI技术的发展，AI产品经理通过提升运营效率和个性化体验，为企业带来显著效益，而传统产品经理仍专注于用户需求和产品优化。两者在产品管理领域均发挥重要作用，但侧重点有所不同。
2025-09-23 17:08:45
1121
原创 超干干货｜AI产品经理自学知识体系[特殊字符]
摘要： AI产品经理需掌握技术逻辑、数据思维、产品设计与商业闭环能力。自学路径包括：1）明确角色定位，理解AI PM的核心职责；2）构建四大知识模块（技术理解力、数据思维、产品方法论、商业视野）；3）通过项目驱动学习，模拟实战并输出成果；4）避免常见误区如忽视数据质量或过度承诺AI能力。建议结合系统学习资源（如吴恩达课程、行业案例）与社群交流，高效构建知识体系。附《AI产品经理学习资料包》可免费领取，助力转行。（149字）
2025-09-23 17:06:41
865
原创 从0到1构建AI产品：产品经理全流程实战指南
AI产品经理工作流程与普通产品经理的主要区别在于增加了算法模型环节，包括模型预研、数据准备、模型构建等，需与算法工程师密切协作。以开发薅羊毛用户筛选系统为例：需求定义需明确项目背景（防止数据被盗）、具体功能（用户分类与处理机制）、价值收益（减少福利滥用）及目标（高召回率、半年内上线）。模型预研阶段需评估数据与算法可行性，若数据不足需补充或调整方案。该案例最终调整为离线处理模式以平衡效果与性能。完整AI产品经理学习资料可通过文末链接免费获取。
2025-09-23 16:58:57
1043
原创 从入门到精通：2万字深度拆解，手把手教你成为真正“懂AI”的产品经理
大模型产品化面临工程化挑战，需产品经理深度理解技术局限性与商业价值。当前大模型在实际应用中效果不及预期，部分源于技术替代成本高，部分源于从业者对模型能力认知偏差。产品经理应关注API而非成品，因为工程转化过程（如数据处理、功能适配）才是关键。同时需权衡性能与成本，如苹果采用大小模型架构解决响应速度与隐私问题。优秀AI产品需要模型、工程师和产品经理协同，产品经理需明确模型可改进的局限性和真实的商业价值，而非仅关注技术本身。
2025-09-23 16:55:43
1140
原创 全网爆火的LLM神书，4 个月狂飙 22k Star！！
《大语言模型实战指南》是一本实操性极强的入门教程，将复杂的LLM开发简化为适合初学者上手的项目。作者塞巴斯蒂安•拉施卡从零开始引导读者构建类GPT-2模型，覆盖数据处理、预训练、微调全流程，特别强调用普通笔记本即可实现轻量级开发。书中包含RLHF等前沿技术详解，配有丰富图表和代码资源，豆瓣评分9.3。随书附赠中英文PDF、项目代码及AI学习资料包，帮助读者快速掌握大模型核心开发技能。
2025-09-17 12:58:25
231
原创 Agentic AI驱动企业增长：25个落地成功的AI Agent应用案例
《AI Agent如何重塑企业运营？25个行业应用案例解析》 随着Claude 4、Gemini等大模型的突破，AI Agent正加速企业数字化转型。本文通过25个行业案例，展示AI Agent如何优化核心业务流程： 客户服务：Elisa的AI客服Annika已服务56万用户，Gartner预测2029年AI将处理80%的客服问题； 销售管理：LinkedIn Sales Navigator通过AI实现精准客户推荐与自动化跟进； 营销优化：AI Agent可全流程管理营销活动，实时调整策略提升ROI； 工业
2025-09-11 14:45:00
1297
原创 从零起步：手把手构建你的Agent框架
AI Agent是一种基于语言模型的自主智能实体，能够通过规划、记忆和工具三大组件实现复杂任务处理。其核心在于将大任务拆解为子目标，利用短期和长期记忆优化决策，并通过调用外部API扩展能力。典型的Agent框架包括AutoGPT、XAgent等，展现了自主发现问题、执行方案和持续改进的特性。工具调用功能是Agent最先进的特性之一，使其能够获取实时信息并执行代码等操作。
2025-09-11 11:14:01
916
原创 攻略｜手把手带你0经验转行产品经理
现在，如果有人问我，说重新回答大学毕业，刚要入行产品经理的时候，知道哪些事情，能让自己在后面的产品经理生涯中走的更顺利。❓是知道面试的套路，能够在面试中，产品项目问题回答的滴水不漏，赢得面试官的认可，然后早早进入大厂，在一个大体系中，能够快速成长吗？❓是能够有一个不错的leader，给自己认知上的突破，被人一路带着，这样相比于同龄人，才能少走弯路吗？❓是有不错的机会，早早接入到了核心项目，并且做出了一些还不错的成绩，提前拿到自己的代表作，提升了自己的职场竞争力
2025-09-11 11:09:50
1053
原创 RAGFlow优化实战：图文识别与动态分块策略、API调优及源码级改造（含代码）
中小企业搭建RAG知识库，推荐使用RAGFlow框架。该框架提供Python API进行优化配置，支持分阶段开发：先通过API调整文档解析策略、检索参数和提示词；再修改源码实现术语处理、查询路由等功能；最后扩展多级索引、缓存等高级特性。针对图片识别，可启用布局识别功能；复杂文档支持动态分块策略，包含论文、表格、问答等9种分块方法。关键优化点包括：嵌入模型选择、相似度阈值调整（推荐0.3-0.5）、关键词匹配权重设置等。RAGFlow通过参数化配置实现了不修改源码即可优化检索质量，特别适合工业领域专业术语处理
2025-09-11 10:26:13
944
原创 使用LangChain实现五种RAG分块策略：语义分割、父-子分块、递归分块、格式感知分块与固定长度切分
本文介绍了5种文档分块策略，从简单到智能依次为：1)固定长度拆分，按字符数机械切割；2)递归字符拆分，基于层级分隔符智能切分；3)特殊格式拆分，针对Markdown等结构化文档；4)语义分割，利用Embedding或模型进行语义理解分块；5)父文档检索，采用分层块结构保留上下文关系。文章指出策略1-5效果渐佳，建议根据项目需求多方位测试，并强调理解文档结构对分块效果的重要性。
2025-09-11 10:14:11
491
原创 月薪3W的AI产品经理学习路线，非常详细收藏我这一篇就够了！
AI产品经理入门指南：从零基础到高薪职业路径 要成为月薪3万的AI产品经理，需构建技术、产品、商业与软技能的综合能力： 基础技术：掌握Python、AI原理（机器学习/深度学习）及开发工具（Git/Docker）。 产品能力：熟悉敏捷开发、用户研究、市场分析及商业模式设计。 行业深耕：研究医疗、金融等领域的AI应用案例及前沿技术（如强化学习）。 软技能：提升沟通、创新思维、领导力及持续学习能力。 实战经验：通过实习、Kaggle竞赛或创业项目积累实战经验，参与AI产品全流程开发。 小白快速入局建议： 学习大
2025-09-05 10:12:51
1227
原创 手把手教会你搭建属于自己的智能体_智能体搭建
本文介绍了如何利用字节跳动的AI开发平台Coze搭建智能体，重点演示了地址标准化智能体的实现过程。主要内容包括：1）注册Coze平台；2）创建知识库并导入数据；3）设计数据库结构；4）开发自定义插件；5）构建工作流整合大模型、插件和数据库查询；6）创建智能体并发布。文章还指出平台存在调用次数限制和文档不完善的问题，建议有大规模调用需求的用户考虑本地部署。最后提供了LLM大模型学习资源包的获取方式，帮助读者系统学习AI大模型技术。（149字）
2025-09-05 10:06:45
1182
原创 一文讲清楚Agent、MCP、Function Call附实操代码示例_agent mcp
随着Manus、DeepSeek等产品的爆火，Agent、MCP、Function Call这三个概念频繁出现在各种技术讨论中。由于三者在能力上存在相似性，很容易被混淆，这也是大家普遍反馈比较困惑的点。本文将帮助你彻底理解这三个概念的区别与联系。
2025-09-05 09:58:10
718
原创 Java程序员转型大模型应用开发：一场技术进阶的必然选择
在人工智能技术迅猛发展的今天，大模型（Large Language Models, LLMs）正以前所未有的速度重塑软件开发的格局。从智能客服、代码生成到自然语言理解，大模型的应用场景不断拓展，催生了“大模型应用开发”这一新兴领域。对于长期深耕于企业级开发、系统架构和后端服务的Java程序员而言，这既是一次挑战，更是一次难得的技术跃迁机遇。凭借扎实的工程能力、系统思维和对复杂业务逻辑的深刻理解，Java程序员完全具备转型为大模型应用开发者的坚实基础。本文将系统阐述Java程序员转型大模型应用开发的必要性、核
2025-09-04 11:53:55
1133
原创 RAG技术终结大模型三大痛点,企业级AI应用迎新基石
RAG（检索增强生成）技术是大语言模型的关键补漏方案，有效解决大模型的三大核心矛盾：静态知识与实时需求的矛盾、生成概率性与结果准确性的矛盾、通用知识与行业深度的矛盾。其核心是通过外接动态知识库，将实时检索结果作为生成依据，约束大模型的输出范围，确保答案的准确性和可追溯性。RAG系统分为离线索引和在线检索生成两阶段，前者将文档转化为可检索的向量化知识块，后者实时检索并生成答案。高级RAG进一步优化查询、检索和后处理环节，提升系统的精准度。这项技术让通用大模型能快速适配专业领域，在金融、医疗等对准确性要求高的场
2025-09-04 11:44:54
1017
原创 【AI新手指南】零代码搭建个人知识库，大模型助力秒搜秒答！_ai 知识库
【摘要】本文介绍零代码本地搭建个人知识库的方法，重点推荐使用Docker部署MaxKB工具。MaxKB支持多种大模型，数据本地存储确保安全，可实现文档智能检索与问答。具体步骤包括：通过Docker获取MaxKB镜像、配置端口和存储路径、登录网页端创建知识库并上传文档（支持PDF/PPT等格式）、配置Kimi等大模型API实现智能问答功能。文中还详细演示了获取Kimi API Key和创建应用的全流程。该方案兼顾数据安全与使用便利性，适合个人知识管理需求。
2025-09-04 11:41:36
736
原创 ollama 本地安装 embedding 模型_nomic-embed-text本地安装
LLM大模型与Embedding模型的区别及RAG应用 大型语言模型(LLM)和嵌入模型(Embedding)是NLP的两大核心技术，但存在显著差异： 功能差异：LLM用于文本生成和理解，Embedding模型专注于将文本转换为数值向量表示 应用场景：Embedding模型适用于文本相似度计算、信息检索和聚类分析 资源效率：在RAG(检索增强生成)架构中，单独设置Embedding模型可降低资源占用和响应延迟 典型RAG流程： 知识库构建阶段：用Embedding模型将文档转换为向量存储 检索阶段：将用户问
2025-08-29 11:40:20
1110
原创 大模型神书《实战AI大模型》！知名教授尤洋首发新书深入浅出热门AI大模型，从零基础到精通，看这本就够了！赶紧收藏！！！
《实战AI大模型》是一本全面解析AI大模型技术的实战指南，由知名AI专家尤洋教授撰写。书中系统介绍了Transformer、BERT、GPT等核心模型及其应用，并深入讲解了Colossal-AI这一高效并行训练系统，帮助读者低成本实现大模型训练。内容涵盖从基础理论到前沿实践，包含详细教程和案例，适合不同层次的AI从业者。多位行业领袖推荐该书为理解AI大模型的必备读物，特别适合希望掌握最新AI技术并应用于实际场景的读者。
2025-08-29 11:35:54
604
原创 【大模型微调】一文掌握7种大模型微调的方法
摘要： 本文系统解析了大模型微调的基础理论与技术方法。微调分为预训练（无监督学习构建通用基座模型）和微调（针对特定任务优化）两阶段，通过注入领域数据提升模型在细分场景（如医学影像识别）的表现。文章详细介绍了Transformer架构的关键模块，并对比了7种主流微调技术： 全参数微调：调整所有参数，计算成本高； 参数高效微调（PEFT）：包括LoRA（低秩矩阵局部调整）、QLoRA（4位量化+低秩适配）、适配器调整（插入小型可训练模块）等方法，显著降低资源消耗； 提示调优类：如Prefix Tuning通过优
2025-08-29 11:30:51
1173
原创 2025最新神仙级AI大模型入门教程(非常详细)，从零基础入门到精通，从看这篇开始
近年来，人工智能（AI）大模型的迅猛发展吸引了广泛关注，如GPT-3、BERT等。它们的强大能力在自然语言处理、图像识别等领域得到了广泛应用。如果你是AI领域的新手，想要从零基础开始学习并掌握神仙级AI大模型，本文将为你提供一份非常详细的入门教程
2025-08-21 10:52:01
893
原创 ollama 本地安装 embedding 模型_nomic-embed-text本地安装
LLM大模型与Embedding模型在NLP中有显著区别：LLM主要用于文本生成和理解，而Embedding模型则将文本转换为数值向量，用于相似度计算和信息检索。在RAG（检索增强生成）系统中，单独设置Embedding模型可提升效率，降低资源消耗。系统流程包括知识库构建（文档向量化存储）、检索（问题向量化匹配）和生成（LLM结合上下文输出答案）。推荐使用OpenAI、Google等提供的Embedding模型，也支持本地部署如Ollama的nomic-embed-text。学习LLM大模型需系统掌握提示词
2025-08-21 10:47:19
653
原创 2025最新大模型入门电子书学习推荐，必读9本大模型书籍（附pdf版），看完少走一半弯路！！
【大模型入门必读9本书推荐】本文汇总了2025年最新的大模型学习书籍，涵盖GPT系列、Transformer架构等核心技术。推荐书目包括《基于GPT-3的自然语言处理》《大模型应用开发极简入门》《大语言模型》等，内容涉及原理讲解、应用开发、产业分析等方向。书籍适合不同基础读者，既有理论框架，也包含Python实践、微调技术等实战内容。同时提供AI Agent开发等前沿领域的学习资源。完整PDF资料可免费领取，帮助读者系统掌握大模型技术，少走弯路。（150字）
2025-08-21 10:41:58
1171
原创 大模型LLM | 深入解析大模型智能体（Agent）：原理与Agent+RAG应用
《大规模语言模型：从理论到实践》是一本系统介绍大语言模型的实用指南。大语言模型是包含数百亿参数的深度神经网络，如ChatGPT、MOSS等，通过海量无标注文本训练而成。本书面向对大语言模型感兴趣的读者和自然语言处理相关课程师生，详细解析了模型构建的每个阶段，包括算法、数据、代码及实践难点。书中融合了复旦NLP团队多年研究经验、300余篇论文研读心得，以及研发MOSS模型的全流程实践经验，为读者提供从理论到实践的完整学习路径。
2025-08-20 14:47:41
678
原创 AI领域名家名作，大模型学习书籍推荐-关于大模型的教科书（附pdf）
目前已有三本公开的大模型技术教材，系统性介绍大语言模型理论与应用： 《大语言模型》（赵鑫等著）面向入门读者，涵盖技术框架、发展路线及实践案例，适合本科生、研究生及从业者学习； 《大模型基础》（毛玉仁等著）以前沿技术解读为特色，通过生动比喻讲解Transformer架构、Prompt工程等核心内容； 《大规模语言模型：从理论到实践》（张奇等著）提供完整的理论体系与实践指南，包含预训练、微调、应用评估全流程。三本教材均提供免费PDF版本，可作为教学参考或自学资料。 （注：实际字数142字，符合要求）
2025-08-20 14:25:00
1004
原创 一小时速通大模型LLM全部知识：从预训练到企业落地的35个核心技术模块
本项目是一个面向多人群的大模型知识分享平台，涵盖预训练、微调、推理部署等核心技术。内容分为新手入门、进阶学习和面试准备三大模块，以通俗易懂的方式讲解复杂概念，配有图示和案例解析。适合求职者系统复习面试考点，帮助零基础学员快速入门，同时为技术专家提供前沿研究动态。项目提供完整配套资源，包括学习资料和实战案例，助力不同层次学习者掌握大模型技术全貌。（148字）
2025-08-15 10:59:50
543
原创 万字长文详解大模型推理优化｜AI工程师必备技能
大模型推理优化技术综述 本文系统介绍了基于Transformer架构的大语言模型（LLM）推理优化技术。首先解析了LLM推理的两个核心阶段：预填充阶段（并行处理输入tokens）和解码阶段（自回归生成输出tokens），指出解码阶段是主要优化方向。针对计算资源瓶颈，文章提出批处理技术可提升GPU利用率，但需平衡KV缓存与内存限制。此外，动态批处理能缓解传统静态批处理中因输出长度差异导致的资源浪费问题。全文围绕降低推理成本、提升响应速度的目标，为LLM落地应用提供关键技术方案。
2025-08-15 10:57:25
1007
原创 万字长文搞懂LLM大模型技术原理！非常详细收藏我这一篇就够了_llm 模型
本文基于Llama 3报告，系统梳理了现代大语言模型（LLM）的关键技术。内容涵盖预训练（15T多语言数据、next-word prediction）、后训练（SFT/DPO等对齐技术）和推理优化（KV Cache、GQA等），并对比了8B/70B/405B模型在MMLU、IFEval等基准测试的表现。文章重点分析了数据规模、模型复杂度管理对性能的影响，指出70B模型在性价比和性能上的平衡优势。本文可作为LLM技术索引，建议读者结合原始报告进行二次整理。
2025-08-15 10:53:11
733
原创 0基础？没问题！吴恩达教授的《开发者的LLM入门完全指南》来了！
吴恩达与OpenAI团队联合推出的《面向开发者的LLM入门教程》在GitHub已获50k星标。该教程系统讲解大型语言模型知识，涵盖基础理论、技术原理（如GPT系列）、应用场景（NLP、代码生成等）及实战项目开发。全书分为四部分：提示工程、ChatGPT问答系统构建、LangChain应用开发及个人数据处理，通过丰富案例帮助开发者掌握LLM技术。教程强调理论与实践结合，配有大量习题和参考文献，是学习大模型开发的权威指南。完整PDF可通过文末链接获取。
2025-08-13 14:36:55
560
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人