m0_37587539的博客

原创 大语言模型微调方法与框架详解

选择合适的微调框架可以大大简化微调过程，提高效率。微调是释放大语言模型潜能、使其适应特定需求的关键步骤。从资源密集型的全量微调到灵活高效的参数高效微调 (PEFT)，各种方法为不同场景提供了多样化的选择。LoRA、Prompt Tuning等PEFT技术因其低成本、高效率的特点，正变得越来越流行。像 Unsloth 这样的框架进一步推动了特定PEFT方法（如LoRA）的效率极限，使得在更广泛的硬件上进行高效微调成为可能。选择合适的微调方法和框架，需要仔细评估任务需求、数据特性、计算资源和期望的性能。

原创 Hive-面试高频知识点

HIve-面试高频知识点梳理

原创 Hadoop-高频面试知识点总结

Hadoop-高频面试知识点总结

原创 Kafka-高频面试知识点总结

原创 SparkCore

SparkCore总结