丨汀、的博客

字节DeerFlow开源框架：多智能体深度研究框架，实现端到端自动化研究流程

从AI助手到个性化数字分身：WeClone & Second Me打造本地化、私有化的个性化AI代理系统

解构语言模型推理过程，超越最终答案：通过分析子思考路径提升大语言模型推理准确性的方法研究

迈向自主决策的检索系统RAG 2.0：Modular RAG与类Agent交互范式探索

深度强化学习算法的前沿改进与应用：细粒度奖励机制设计、渐进式推理能力等

Qwen3强势来袭：推理力爆表、语言超百种、智能体协作领先，引领AI开源大模型

LoRA及其变体：大模型微调技术的最新发展与应用

速算：大模型训练和推理的显存占用计算

强化学习在NLP任务中的迁移应用：分类与开放式问答的显著提升

快速探讨大模型中Function Call的设计与实现路径

从Search到Deep ReSearch：解析现代搜索模型的任务分解与执行策略

LLM推理：如何通过PRMs和MCTS提升大型语言模型的推理能力

大模型SFT数据筛选的艺术：探索IFD、Supperfiltering、MoDS、CaR、Nuggets与LESS的核心价值

深度解析：透过十问十答洞悉大模型SFT的应用策略

技术前沿对话：DeepSeek-R1与Kimi 1.5如何重塑AI开发的新思路

构建更精准的检索系统：RAGFlow对GraphRAG与标签库的强化支持

技术前沿综述：RAG领域的重要进展与创新亮点

RAG 2025：深入探索推理机制与工程优化的前沿路径

多维度信息捕捉：利用向量、稀疏向量、全文搜索及张量实现RAG的极致性能

告别Hugging Face模型下载难题：掌握高效下载策略，畅享无缝开发体验

【RLHF】想训练ChatGPT？先来看看强化学习（RL）+语言模型（LM）吧（附源码）

一文搞清楚LORA、Prompt Tuning、P-Tuning、Adapter 、Prefix等大模型微调方法

【RLHF】想训练ChatGPT？得先弄明白Reward Model怎么训（附源码）

如何选择GPU显卡，带你对比A100/H100/4090性价比、训练/推理该使用谁？

挑战性能极限小显卡大作为，教你如何在有限资源下运行大型深度学习模型，GPU显存估算并高效利用全攻略！

大语言模型的训练分为两个阶段：（1）在海量文本语料上的无监督预训练，学习通用的语义表示和世界知识。（2）在小规模数据上，进行指令微调和基于人类反馈的强化学习，更好地对齐最终任务和人类偏好。LIMA[1] 证明了，只需要有限的指令微调数据就可以生成高质量的回复。因此，基座模型的性能是至关重要的，如果基座模型的性能不够好，指令微调和强化学习也难以取得很好的效果。目前，主流的开源大语言模型主要有三个：LLaMA、ChatGLM 和 BLOOM。