书生·浦语 大模型实战营（第三期） 进阶岛 第1关 探索 InternLM 模型能力边界

原创 已于 2024-09-09 19:28:29 修改 · 313 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#AI编程 #ai

于 2024-08-18 22:32:09 首次发布

模型服务来源

 compassarea

OpenCompass司南

bad case 1 

其他补充

显然右边更全面

bad case 2

其他补充

显然  右边更适合小白 

bad case 3 

其他补充

 右边模型InternLM2.5-Chat-20B (上海AILab书生·浦语) 回答错误

bad case 4 

其他补充

右边模型InternLM2.5-Chat-20B   不知道

bad case 5

 

其他补充

左边模型回答全面   层次感分明

 good case 1

其他补充

右边模型InternLM2.5-Chat-20B  回答出香农

 good case 2

其他补充

右边模型InternLM2.5-Chat-20B  回答全面

good case 3 

其他补充

右边模型InternLM2.5-Chat-20B  回答准确全面

 good case 4

其他补充

左边模型GLM-4-0520 (智谱AI)  不知道lumina

 good case 5

其他补充

左边模型Yi-34B-Chat (零一万物)  不知道 opencompass

小结 总体上 internlm2.5-20b-chat起初输出慢之后输出迅速，好像前几秒在分析思考

之后想好了一通输出。 

现在模型都好聪明，找边界真的好难！！！

Pythonliu7
关注
【书生浦语大模型实战营第三期】入门岛 Git基础知识
weixin_40574825的博客
07-25 430
1、Fork 目标项目 https://github.com/InternLM/Tutorial。2、切换到自己的仓库，获取项目链接，克隆项目，完成之后查看项目分支等信息。【书生浦语大模型实战营第三期】入门岛 Git基础知识。5、创建个人破冰文件，并提交到新建的分支。
【书生大模型实战营第三期 | 进阶岛第1关-探索 InternLM 模型能力边界】
imath60的博客
08-14 1410
在 CompassArena 中选择双模型对话，与InternLM2.5及另外任意其他模型对话，收集 5 个 InternLM2.5 输出结果不如其他模型的对话案例，以及 InternLM2.5 的 5 个 Good Case。
《书生大模型实战营第3期》进阶岛 第1关： 探索 InternLM 模型能力边界
shiter编写程序的艺术
08-14 1119
如何进行大模型评测？
书生大模型实战营（第3期）进阶岛第1关探索 InternLM 模型能力边界
aman_he的博客
08-27 1334
在 CompassArena 中选择双模型对话
书生大模型实战营（第三期闯关大挑战）- 进阶岛 第一关 探索 InternLM 模型能力边界
个人技术
08-19 874
书生大模型实战营（第三期闯关大挑战）- 进阶岛,主要通过[CompassArena]模型竞技场对比模型能力
书生实战营第四期-进阶岛第一关-探索 InternLM 模型能力边界
m0_75009117的博客
12-05 1210
InternThinker 是一个强推理模型，具备长思维能力，并能在推理过程中进行自我反思和纠正，从而在数学、代码、推理谜题等多种复杂推理任务上取得更优结果。相应的，模型生成回复的时间也会变长。
【书生大模型实战营】进阶岛 第1关 探索 InternLM 模型能力边界
tianxingzhe的博客
01-21 984
总体感觉interthink还有较大提升空间，5个leetcode均未能一次做对。且困难题目无法解答出来。
《书生大模型实战营第3期》进阶岛 第5关： 茴香豆：企业级知识库问答工具
shiter编写程序的艺术
08-25 1151
茴香豆是由书生·浦语团队开发的一款开源、专门针对国内企业级使用场景设计并优化的知识问答工具。在基础 RAG 课程中我们了解到，RAG 可以有效的帮助提高 LLM 知识检索的相关性、实时性，同时避免 LLM 训练带来的巨大成本。在实际的生产和生活环境需求，对 RAG 系统的开发、部署和调优的挑战更大，如需要解决群应答、能够无关问题拒答、多渠道应答、更高的安全性挑战。因此，根据大量国内用户的实际需求，总结出了三阶段Pipeline的茴香豆知识问答助手架构，帮助企业级用户可以快速上手安装部署。茴香豆特点。
【阿尼亚探索大模型】书生大模型实战营-进阶岛第1关（L2G1000）探索 InternLM 模型能力边界
qq_45943172的博客
12-13 677
在第二次尝试中，假设他首次到达第三行的另一个单元格，由于他必须从第二行的不同单元格移动过来，可能存在坏人，因此他也可能在第二次尝试中失败。如果第二行的坏人不在边缘（即它位于第二行的中间某个单元格），憨豆在第二次和第三次尝试中将采用两条路径，这两条路径将覆盖除了两个可能有坏人的单元格外的所有单元格，因此至少有一条路径能够成功。除此以外，第 i 个商店的物品已经按照价值非递增排好序了，也就是说对于所有 0 <= j < n - 1 都有 values[i][j] >= values[i][j + 1]。
书生实战营（第三期）- 进阶关卡 - 探索 InternLM 模型能力边界
weixin_42689663的博客
08-18 1358
对比测试 InternLM2.5 与 零一万物 大模型对话能力
书生大模型实战营第三期进阶岛第三课——LMDeploy 量化部署实践
weixin_42567071的博客
08-29 1379
我们可以看出InternLM2.5将输入’Compute (3+5)*2’根据提供的function拆分成了"加"和"乘"两步，第一步调用function add实现加，再于第二步调用function mul实现乘，再最终输出结果16.此时代表我们成功地使用本地API与大模型进行了一次对话，如果切回第一个终端窗口，会看到如下信息，这代表其成功的完成了一次用户问题GET与输出POST。新开一个窗口查看gpu占用情况，约为12G，对比默认的cache-max-entry-count 0.8 少占用了8G左右。
【书生浦语大模型实战营第三期】基础岛 InternLM + LlamaIndex RAG 实践
weixin_40574825的博客
08-04 1107
llamaindex+Internlm2 RAG实践。
书生·浦语 大模型实战营（第三期） 进阶岛 第3关 LMDeploy 量化部署进阶实践
Pythonliu7的博客
08-20 1406
注释：实验室提供的环境为虚拟化的显存，nvidia-smi是NVIDIA GPU驱动程序的一部分，用于显示NVIDIA GPU的当前状态，故当前环境只能看80GB单卡 A100 显存使用情况，无法观测虚拟化后30%或50%A100等的显存情况。模型在运行时，占用的显存可大致分为三部分：模型参数本身占用的显存、kv cache占用的显存，以及中间运算结果占用的显存。让我们回到LMDeploy，在最新的版本中，LMDeploy使用的是AWQ算法，能够实现模型的4bit权重量化。输入以下指令，执行量化工作。
五分钟用AI编程工具写了个数据库翻译工具
学知不足，业精于勤。
11-21 507
该代码实现了一个基于腾讯云翻译API的文本翻译功能，主要包括数据库连接配置、腾讯云签名生成和翻译请求处理。核心功能是使用腾讯云机器翻译API将英文文本翻译为简体中文，支持并发请求和失败重试机制（最多3次）。代码详细实现了腾讯云API v3签名算法，包含规范请求串生成、签名字符串拼接和HMAC-SHA256签名计算。翻译结果会截取前200个字符返回，并提供了完善的错误处理机制，包括API错误响应解析和重试逻辑。使用前需要配置腾讯云API密钥和数据库连接信息。
AI编程的爆点在手机端
weixin_42229533的博客
11-24 165
“编程”二字本身有原罪，它有原生的距离感。
AI编程：更适合0到1的创意爆发，还是1到100的精雕细琢？
码事漫谈
11-21 609
看着YC创业公司里那些由AI生成95%代码的项目，我意识到编程正从精确的工程技术向充满可能性的创意手艺转变。一位硅谷工程师仅用三天时间，就通过AI编程工具将Figma设计转化为可运行的Web应用原型。而在另一面，某创业团队同样依赖AI工具快速搭建的电商系统，却在处理高并发订单时突然崩溃，修复时间远超手动编码的两倍。在2025年冬季YC孵化团队中，四分之一的创始人表示其代码库中。与此同时，企业环境中的开发者们却开始强调建立AI治理框架、黄金路径和严格审查流程。
豆包编程模型：AI编程新时代的高效引擎
11-24 6092
在软件开发领域，代码编写效率与成本始终是我们开发者的核心痛点。传统编程工具要么价格高昂（如Claude Sonnet 4.5单次任务成本约4.05元），要么兼容性差、视觉理解能力缺失。而豆包编程模型（Doubao-Seed-Code）的诞生，正以“易上手、低成本、高效率”的特性，重新定义AI编程的边界。本文将详细的带大家体验一下Agentic编程任务深度优化。
三大AI编程助手深度技术解析：Trae、CodeBuddy、Qoder的架构设计与工程实践
最新发布
技术的学习与积累是个技术活
11-24 502
本文深度解析了字节Trae、腾讯CodeBuddy和阿里Qoder三款AI编程助手的系统架构与技术特点。Trae采用多模态智能体架构，擅长自动化工作流；CodeBuddy基于语义驱动的四维架构，实现闭环开发；Qoder通过Quest抽象层支持异步协作。文章对比了三者在响应速度、准确率等性能指标上的差异，并提供了针对不同开发场景的选型建议和优化技巧。随着技术发展，AI编程助手正从代码生成工具向全流程开发伙伴演进，未来将在上下文理解深度、系统设计能力和团队协作模式等方面持续突破。
书生浦语大模型实战课：解决配置与端口问题
"书生浦语大模型实战课的第二课作业中，学员们通过视频教程进行学习，但在实际操作中遇到了一系列问题，包括端口配置、权限不足、端口被占用以及URL无法打开等。这些问题主要围绕SSH免密登录和端口占用问题展开。在...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值