<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cherrysssss的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/cherrysssss</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; cherrysssss]]></copyright><item><title><![CDATA[【Qwen2.5+Ollama+PPO+RLHF强化学习训练】从零开始通过RLHF方式使用PPO算法，对本地部署的大模型强化学习]]></title><link>https://blog.youkuaiyun.com/cherrysssss/article/details/148608981</link><guid>https://blog.youkuaiyun.com/cherrysssss/article/details/148608981</guid><author>cherrysssss</author><pubDate>Thu, 12 Jun 2025 14:15:40 +0800</pubDate><description><![CDATA[【Qwen2.5+Ollama+PPO+RLHF强化学习训练】从零开始通过RLHF方式使用PPO算法，对本地部署的大模型强化学习]]></description><category></category></item><item><title><![CDATA[【大模型知识蒸馏】从零开始进行模型蒸馏，利用Transformer库对Qwen2.5-32B模型进行知识蒸馏]]></title><link>https://blog.youkuaiyun.com/cherrysssss/article/details/147456590</link><guid>https://blog.youkuaiyun.com/cherrysssss/article/details/147456590</guid><author>cherrysssss</author><pubDate>Wed, 23 Apr 2025 17:34:29 +0800</pubDate><description><![CDATA[模型蒸馏（Model Distillation）是将一个复杂模型（教师模型）的知识迁移到一个较小、效率更高的模型（学生模型）的过程。数据准备是蒸馏过程中的关键步骤，直接影响学生模型的性能。本文将以生成SQL查询的任务为例，详细介绍从数据集准备到模型蒸馏的完整流程。我们假设教师模型是一个大型语言模型（Qwen2.5-7B），学生模型是一个小型模型（Qwen2.5-0.5B）。]]></description><category></category></item><item><title><![CDATA[【Ollama+langchain+mysql】langchain调用本地部署的ollama大模型，连接mysql进行查询]]></title><link>https://blog.youkuaiyun.com/cherrysssss/article/details/144981991</link><guid>https://blog.youkuaiyun.com/cherrysssss/article/details/144981991</guid><author>cherrysssss</author><pubDate>Tue, 07 Jan 2025 13:29:24 +0800</pubDate><description><![CDATA[Prompt Engineering 通过控制整个交互流程的prompt，实现sql语句的自动执行。在实际使用中，发现本代码存在一些生成SQL语句但是不执行的问题。Agent + Chain 的方式，手动控制每一个chain，来完成指定sql的运行。]]></description><category></category></item><item><title><![CDATA[【linux+llama.cpp+Qwen2.5】从零开始本地部署llama.cpp，运行Qwen2.5模型]]></title><link>https://blog.youkuaiyun.com/cherrysssss/article/details/144427577</link><guid>https://blog.youkuaiyun.com/cherrysssss/article/details/144427577</guid><author>cherrysssss</author><pubDate>Thu, 12 Dec 2024 16:31:25 +0800</pubDate><description><![CDATA[LLaMa.cpp 是cpp 跨平台的，在Windows平台下，需要准备mingw 和Cmake。本文将介绍linux系统中，从零开始介绍本地部署的LLAMA.CPP过程。-m 是你qwen2.5模型所在的位置（注意一定要gguf格式）。进入llama-cli所在的文件夹。找到llama-cli在何处。]]></description><category></category></item><item><title><![CDATA[【debian+airflow】debian系统从零开始安装airflow]]></title><link>https://blog.youkuaiyun.com/cherrysssss/article/details/144399928</link><guid>https://blog.youkuaiyun.com/cherrysssss/article/details/144399928</guid><author>cherrysssss</author><pubDate>Wed, 11 Dec 2024 16:31:21 +0800</pubDate><description><![CDATA[安装airflow提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。]]></description><category></category></item><item><title><![CDATA[【Langchain+Ollama+RAG】使用Langchain调用本地Ollama部署的Qwen模型，读取本地PDF进行知识问答实现RAG]]></title><link>https://blog.youkuaiyun.com/cherrysssss/article/details/144350217</link><guid>https://blog.youkuaiyun.com/cherrysssss/article/details/144350217</guid><author>cherrysssss</author><pubDate>Mon, 09 Dec 2024 16:42:46 +0800</pubDate><description><![CDATA[实现RAG有多种手段。本文仅介绍使用Langchain+Ollama的方式，读取本地PDF进行知识问答实现RAG的一种最简单的实例。本实例仅介绍了一种最简单的RAG实现方式，使用RAG技术的同时，大模型与直接调用的大模型会拥有不同的回答。此外，本地部署Ollama的模型请参考其他文章。]]></description><category></category></item><item><title><![CDATA[【Ollama+Langchain】通过Http的进行本地大模型调用]]></title><link>https://blog.youkuaiyun.com/cherrysssss/article/details/144338636</link><guid>https://blog.youkuaiyun.com/cherrysssss/article/details/144338636</guid><author>cherrysssss</author><pubDate>Mon, 09 Dec 2024 11:09:14 +0800</pubDate><description><![CDATA[第二步，定义业务函数'city': {},# 第三步,通过业务处理函数描述，把业务函数绑定到大模型上# 第四步，发起交互提示：这里注意bind_tools()方法。]]></description><category></category></item></channel></rss>