m0_68405343的博客

原创 书生.浦语基础岛第二关作业

2，Streamlit Web Demo 部署InternLM2-Chat~1.8B模型。1,Cli Demo 部署InternLM2-Chat1.8B模型。8G玩转书生大模型Demo实操。

原创 书生浦语三期营基础岛第一节课：全链路大模型开源开放体系学习

1.从去年到今年发布了好几个版本的大模型，版本性能一直在进步和提升……如2023年7月发布了InternLM2-Chat~7B模型，到23年9月发布了20B中量级模型到现在升级版本InternLM2.5-chat~7B模型，相对于版本2.0模型推理能力提升20%，支持100万字上下文，自己规划和搜索解决复杂问题的能力显著提升。轻中量参数级别的各类型模型全：1.8B~7B~20~102B满足不同类型用户的需求。d,应用：Mindsearch(思索式开源搜索应用)b,预训练：Intern Evo。

原创 书生.浦语实战营三期入门岛关三作业

2，在GitHub构建个人仓库。1.在本地电脑安装git 成功。3.在GitHub创建项目。

原创 书生.浦语实战营三期入门岛关二作业

2，按照VS Code指引，安装python debug套餐，运行程序，修复调试后运行成功。1，VS code SSH远程连接成功，进入root文件。

原创 书生.浦语实战营三期入门岛关一作业

2， 端口映射，并运行hello-world.py 成功。3.跑Linux基础命令，成功。1，SSH连接，成功。

原创 OpenCompass 大模型评测实操作业

以上是使用 OpenCompass 评测 internlm2-chat-1_8b 模型在 C-Eval 数据集上的性能的实操截图。

原创 Lagent&AgentLego 智能体应用搭建实操作业

原创 LMDepoy量化部署实操作业

设置缓存大小后的对话。

原创 XTuner 微调LLM：1.8B 多模态实操作业

原创 茴香豆作业笔记与实操

1，嵌入优化2，索引优化3，查询优化4，上下文管理5，迭代检索6，剃归性检索7.自适应检索8LLM微调。RAG是一种结合了检索和生成的技术。(大模型的传统回答与RAG的比较)理解向量数据库（向量表示的优化)工作流：预处理～拒答～回答～检验。RAG和微调的优势和劣势。知识库 前端 大模型调用。结合大模型和RAG技术。通俗的理解为搜索引擎。

原创 八戒来了～浦语实操作业

原创 浦语实操作业

第一步顺利完成，后面继续加油。

原创 学习笔记～书生浦语大模型全链路开源体系

从模型到应用，1.选模型2.业务场景3.模型微调4，算力评估5，模型是否需要做交互6，构建智能体7，模型评测，部署和上线。书生浦语大模型InterLM2千亿参数大模型，书生万卷1.0，了解书生整个开源历程。大模型成为发展通用人工智能的重要途径，专用模型到通用模型的发展转变趋势。超长上下文，优秀对话和创作体验 工具调用能力整体升级 突出的数理能力。代码解释器提升其算学能力，模型的实用数据分析功能，使用机器学习的算法。举例：模型作为AI助手，人文关怀的对话 想象力的创作。1，新一代数据清洗过滤技术。