<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DAMOXINGHAITAI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DAMOXINGHAITAI]]></copyright><item><title><![CDATA[未来3-5年产品岗的逆袭法宝！人工智能AI产品经理入门到进阶，全链路学习指南]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143320168</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143320168</guid><author>DAMOXINGHAITAI</author><pubDate>Tue, 29 Oct 2024 09:29:40 +0800</pubDate><description><![CDATA[*比如：AI入门+进阶学术专业课、行业权威报告、参考案例、AI产品面试经验分享等等，****【AI产品经理知识库】里面几乎涵盖了目前AI人工智能产品经理，**]]></description><category></category></item><item><title><![CDATA[AI大模型宝典：掌握未来的三本关键开发书籍，大模型书籍宝典]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143320082</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143320082</guid><author>DAMOXINGHAITAI</author><pubDate>Tue, 29 Oct 2024 09:28:29 +0800</pubDate><description><![CDATA[AI 大模型开发之路：从入门到实践》是一本全面探索人工智能大模型开发领域的实用指南，旨在带领读者深入了解并掌握 AI 大模型的核心技术与应用实践。本书通过丰富的示例和案例分析，为读者提供了一条清晰的学习路径，以及将理论知识应用于实际项目开发的具体方案。本书共计 8 章，从 AI 大模型的基础概念入手，详细介绍了自然语言处理的简史、AI 大模型的简介以及深度学习的基本原理；同时还深入探讨了 Transformer 模型的结构和工作原理，为读者展示了 AI 大模型的鼻祖模型。]]></description><category></category></item><item><title><![CDATA[AI大模型宝典：掌握未来的三本关键开发书籍，大模型书籍宝典]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143320046</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143320046</guid><author>DAMOXINGHAITAI</author><pubDate>Tue, 29 Oct 2024 09:25:30 +0800</pubDate><description><![CDATA[AI 大模型开发之路：从入门到实践》是一本全面探索人工智能大模型开发领域的实用指南，旨在带领读者深入了解并掌握 AI 大模型的核心技术与应用实践。本书通过丰富的示例和案例分析，为读者提供了一条清晰的学习路径，以及将理论知识应用于实际项目开发的具体方案。本书共计 8 章，从 AI 大模型的基础概念入手，详细介绍了自然语言处理的简史、AI 大模型的简介以及深度学习的基本原理；同时还深入探讨了 Transformer 模型的结构和工作原理，为读者展示了 AI 大模型的鼻祖模型。]]></description><category></category></item><item><title><![CDATA[利用LangGraph和Waii实现你的chat2db！]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143281457</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143281457</guid><author>DAMOXINGHAITAI</author><pubDate>Mon, 28 Oct 2024 09:46:34 +0800</pubDate><description><![CDATA[在数据分析领域快速发展的今天，通过自然语言与数据交互的能力变得越来越有价值。对话式分析旨在使复杂数据结构对没有专业技能的用户更易于访问。LangGraph 是个框架，用于构建使用语言模型的状态化、多代理应用程序。Waii 提供文本到 SQL 和文本到图表的功能，使用户能够通过自然语言与数据库和数据可视化进行交互。本文探讨 Waii 的能力如何增强 LangGraph 应用程序在对话式分析方面的应用。重点关注 Waii 处理数据库中复杂连接的方法，这是从自然语言查询生成准确 SQL 的一个关键方面。]]></description><category></category></item><item><title><![CDATA[AI产品经理学习路线：从新手到专家的全面指南]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143281329</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143281329</guid><author>DAMOXINGHAITAI</author><pubDate>Mon, 28 Oct 2024 09:45:10 +0800</pubDate><description><![CDATA[一份系统的技术路线图，详尽的全套学习资料，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。AI产品经理的角色结合了人工智能技术和产品管理的精髓，是一个新兴且充满挑战的领域。我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。]]></description><category></category></item><item><title><![CDATA[超详细的总结！最新大模型算法岗面试题(含答案)来了！]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143145230</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143145230</guid><author>DAMOXINGHAITAI</author><pubDate>Tue, 22 Oct 2024 11:32:03 +0800</pubDate><description><![CDATA[大模型LLM（Large Language Models）通常采用基于Transformer的架构。Transformer模型由多个编码器或解码器层组成，每个层包含多头自注意力机制和前馈神经网络。这些层可以并行处理输入序列中的所有位置，捕获长距离依赖关系。大模型通常具有数十亿甚至数千亿个参数，可以处理大量的文本数据，并在各种NLP任务中表现出色。]]></description><category></category></item><item><title><![CDATA[大模型转行记录]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143144927</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143144927</guid><author>DAMOXINGHAITAI</author><pubDate>Tue, 22 Oct 2024 11:25:44 +0800</pubDate><description><![CDATA[以金矿（大模型技术）为原点，所有人距离原点的远近是不同的，只有挖到金矿之前就在搞大模型的少数人是纯粹的“科班”，这些人包括：AI还处于相对冷门阶段时就在埋头默默做大模型的科研和应用的高校硕博、企业研发专家，而其他的所有人都不在金矿原点上，其他所有的人离金矿都有距离。我觉得目前的情况是，大家对于人工智能这一块的探索是一个挖矿的过程。我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。]]></description><category></category></item><item><title><![CDATA[现阶段大模型方向需要什么样的人才？]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143144631</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143144631</guid><author>DAMOXINGHAITAI</author><pubDate>Tue, 22 Oct 2024 11:22:54 +0800</pubDate><description><![CDATA[Nvidia的GPU产品已经成为AI计算的主力，而他们在软件生态系统上的投资，比如CUDA、cuDNN和TensorRT，也进一步巩固了他们在AI领域的领导地位。我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。为了帮助大家更好地把握AI大模型的学习和发展机遇，下面提供一份AI大模型的学习路线图以及相关的学习资源，旨在帮助您快速掌握AI大模型的核心技术和应用场景。]]></description><category></category></item><item><title><![CDATA[万字技术干货！LLM工程师必读量化指南，可视化图解揭秘大模型如何压缩_llm量化论述]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143108036</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143108036</guid><author>DAMOXINGHAITAI</author><pubDate>Mon, 21 Oct 2024 11:34:43 +0800</pubDate><description><![CDATA[社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。转载自 | 新智元大语言模型（LLM）通常过于庞大，无法在消费级硬件上运行。这些模型的参数可能超过数十亿，通常需要显存较大的GPU来加速推理过程。因此，越来越多的研究开始关注如何缩小模型，比如改进训练方法或使用适配器。该领域的一项主要技术被称为量化（quantization）。]]></description><category></category></item><item><title><![CDATA[惊了！这样做竟能让RAG准确率飙升至90%以上，简直开挂！]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143106779</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143106779</guid><author>DAMOXINGHAITAI</author><pubDate>Mon, 21 Oct 2024 10:56:57 +0800</pubDate><description><![CDATA[我们需要根据实际的业务场景来设置不同的回应策略，例如当Top K 匹配不到时，可以直接返回特殊的语言标记，比如”知识库找不到问题相关的信息“，或者直接让LLM使用通用知识作答；又比如产品应用需要提供多轮对话，即拥有上下文联想功能时，我们还需要将历史会话记录整理后一起拼接到提示词中。]]></description><category></category></item><item><title><![CDATA[AI大模型加速落地 “新蓝海”如何开拓]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143106436</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143106436</guid><author>DAMOXINGHAITAI</author><pubDate>Mon, 21 Oct 2024 10:48:10 +0800</pubDate><description><![CDATA[当前，生成式人工智能技术在多个领域展现出广泛的应用潜力，逐渐成为科技领域的关注焦点。国家互联网信息办公室最新数据显示，截至目前，我国已经完成备案并上线、能为公众提供服务的生成式人工智能服务大模型已达180多个，注册用户突破5.64亿。大模型如何进一步赋能千行百业？今后还需要在哪些方面重点发力？本期，我们邀请专家学者就生成式人工智能发展过程中遇到的难点问题和未来发展趋势进行探讨，为读者呈现这一领域的最新动态。云南昆明，观众在第八届南博会上等待AI机器人制作素描画像。新华社发。]]></description><category></category></item><item><title><![CDATA[深入解析LangChain：构建智能应用的全方位指南]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143070268</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143070268</guid><author>DAMOXINGHAITAI</author><pubDate>Sat, 19 Oct 2024 11:15:03 +0800</pubDate><description><![CDATA[（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。]]></description><category></category></item><item><title><![CDATA[深入理解 Transformer 结构，此篇 PyTorch 实现为你解惑 ——PyTorch 实现 Transformer 应用实例展示]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143069995</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143069995</guid><author>DAMOXINGHAITAI</author><pubDate>Sat, 19 Oct 2024 11:12:30 +0800</pubDate><description><![CDATA[（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。]]></description><category></category></item><item><title><![CDATA[大模型（LLM）推理体系全览]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143069787</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143069787</guid><author>DAMOXINGHAITAI</author><pubDate>Sat, 19 Oct 2024 11:07:03 +0800</pubDate><description><![CDATA[（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。]]></description><category></category></item><item><title><![CDATA[没有大模型经验，面试官给机会吗？_没有大模型经验,面试官给机会吗]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143043585</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143043585</guid><author>DAMOXINGHAITAI</author><pubDate>Fri, 18 Oct 2024 11:44:41 +0800</pubDate><description><![CDATA[做大模型一年半，经历了无数场面试。]]></description><category></category></item><item><title><![CDATA[解码大模型微调秘密 - 从入门新手到小白都能学会的奇妙操作]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143043297</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143043297</guid><author>DAMOXINGHAITAI</author><pubDate>Fri, 18 Oct 2024 11:43:05 +0800</pubDate><description><![CDATA[朋友们，你们有没有听说过"大模型"和"微调"这两个概念呢？别着急,我们今天就来好好聊一聊!想象一下,你有一个非常勤奋的小助理,它会尽最大努力帮你完成各种任务。不过有时候,它的知识储备和能力肯定有限,所以你得适时给它一些专门的培训和指导,好让它高效应对新的挑战。这就有点像"大模型"和"微调"的关系了!那么什么是"大模型"呢?简单来说,就是通过消化大量数据而训练出来的"万能型"人工智能模型。就像一个渊博的学者,对各个领域都有一定的理解。就像一个渊博的学者,对各个领域都有一定的理解。]]></description><category></category></item><item><title><![CDATA[【独家探微】探寻大语言模型潜能！26 条核心提示词原则微观解析]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143041424</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143041424</guid><author>DAMOXINGHAITAI</author><pubDate>Fri, 18 Oct 2024 11:20:39 +0800</pubDate><description><![CDATA[在人工智能和自然语言处理领域，大语言模型（LLMs）如GPT-4和LLaMA系列已经展现出令人瞩目的能力。然而，如何充分发挥这些模型的潜力，一直是研究者和实践者关注的焦点。最近，一篇题为《Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4》的论文引起了广泛关注。这篇论文提出了26条提示词原则，旨在提高与大语言模型交互的效果。今天，让我们深入探讨这些原则，看看它们如何改变我们与AI对话的方式。]]></description><category></category></item><item><title><![CDATA[一文揭秘｜预训练一个72b模型需要多久？]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143016313</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143016313</guid><author>DAMOXINGHAITAI</author><pubDate>Thu, 17 Oct 2024 14:01:40 +0800</pubDate><description><![CDATA[本文讲述评估和量化训练大规模语言模型，尤其是Qwen2-72B模型，所需的时间、资源和计算能力。update：qwen2公布了技术报告[1]。和本文里依赖的基础信息的基本没差。但训练数据集变成7t了。笔者已经在文章中修正。另外训练语料的长度也是在最后阶段才从4096拓展到32768。所以本文预估的算力需求会有一定程度高估，但不到一倍。]]></description><category></category></item><item><title><![CDATA[RAG 技术如此强大，微调是否真的有必要？]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143004979</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143004979</guid><author>DAMOXINGHAITAI</author><pubDate>Thu, 17 Oct 2024 11:51:34 +0800</pubDate><description><![CDATA[经过了上边的介绍,可以发现当前有很多的PEFT技术,那么当前PEFT技术可以分为几类呢,在论文《TOWARDS A UNIFIED VIEW OF PARAMETER-EFFICIENT TRANSFER LEARNING》中CMU的科学家将当前主流的几种技术按照方法进行了以下几种分类根据几种PEFT技术的特点我们进行如下总结。]]></description><category></category></item><item><title><![CDATA[大厂面试一上来就手撕 Transformer，心凉半截]]></title><link>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143002505</link><guid>https://blog.youkuaiyun.com/DAMOXINGHAITAI/article/details/143002505</guid><author>DAMOXINGHAITAI</author><pubDate>Thu, 17 Oct 2024 11:24:58 +0800</pubDate><description><![CDATA[在这两年，尤其是大模型问世之后，有关 Transformer 的面试题不仅数量众多，而且颇具新意。今日，我将分享 18 道 Transformer 高频面试题（如需获取更多专业面试题，扫描文末二维码即可），期望能为你提供助力。]]></description><category></category></item></channel></rss>