定制自己的 AI 角色CustomChar；AI知识点和面试题；提高llama 3 的微调速度Unsloth

最新推荐文章于 2025-11-04 10:24:06 发布
原创 最新推荐文章于 2025-11-04 10:24:06 发布 · 1k 阅读 · 11 ·
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：

#人工智能 #llama

✨ 1: CustomChar

允许你创建和定制自己的 AI 角色

在这里插入图片描述

CustomChar 是一个开源项目，它允许你创建和定制自己的 AI 角色。无论是游戏中的角色，还是个人的虚拟助手（比如电脑上的 JARVIS），甚至是在线教育体验中的虚拟朋友或老师，CustomChar 都能让这些角色变得生动而有趣。

地址：https://github.com/nrl-ai/CustomChar

✨ 2: DeepLearning-Interview-Awesome-2024

在这里插入图片描述

一个为深度学习和大模型面试准备而设计的综合项目，它覆盖了一系列与深度学习、大模型、计算机视觉、自动驾驶、智慧医疗等相关的面试题和知识点。这个项目旨在为求职者提供一个全面的准备资料库，帮助他们在面试中表现出色。

地址：https://github.com/315386775/DeepLearing-Interview-Awesome-2024

最低0.47元/天 解锁文章
AI原生应用开发面试必问30题：附详细答案和解析
AIGC应用创新大全的博客
07-27 1387
答案AI原生应用是从产品设计、架构搭建到功能实现，全程以AI能力为核心驱动力的应用。AI定义核心价值：用户使用应用的主要目的是获取AI生成的结果（如ChatGPT的对话、DALL·E的图像）；数据与模型深度融合：数据不仅是输入，更是模型迭代的核心（如推荐系统的实时数据反馈）；动态自适应：模型能根据用户行为、环境变化实时调整输出（如个性化对话助手）。传统AI应用则是将AI作为辅助功能（如电商平台的“推荐模块”、手机的“人脸识别解锁”），核心价值由非AI功能（如购物、通讯）承载。解析。
llama factory只支持aplaca和sharegpt格式的微调数据集吗? 想微调glm4，但glm推荐的格式是它自己的格式， 如何解决？
**My Coding Family**
06-25 1297
🏆本文收录于 《全栈Bug调优(实战版)》 专栏，该专栏专注于分享我在真实项目开发中遇到的各类疑难Bug及其深层成因，并系统提供高效、可复现的解决思路和实操方案。无论你是刚入行的新手开发者，还是拥有多年项目经验的资深工程师，本专栏都将为你提供一条系统化、高质量的问题排查与优化路径，助力你加速成长，攻克技术壁垒，迈向技术价值最大化与职业发展的更高峰🚀！    📌 特别说明： 文中部分技术问题来源于真实生产环境及网络公开案例，均经过精挑细选与系统化整理，并结合多位一线资深架构师和工程师多年实战经验沉淀，提
LLMs之unsloth：unsloth的简介、安装和使用方法、案例应用之详细攻略
热门推荐
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
05-08 3万+
​ LLMs之unsloth：unsloth的简介、安装和使用方法、案例应用之详细攻略 目录 unsloth的简介 unsloth的安装和使用方法 unsloth的案例应用 unsloth的简介 unsloth微调Llama 3, Mistral和Gemma速度快2-5倍，内存减少80% !unsloth是一个开源项目，它可以比HuggingFace快2-5倍地微调Llama 3、Mistral和Gemma语言模型，同时内存消耗减少80%。
认识 Unsloth 框架：大模型高效微调的利器，大模型入门到精通，收藏这篇就足够了！
2301_81940605的博客
09-11 1528
Unsloth 是一个专为大语言模型微调设计的高效框架，它通过优化计算和量化技术，让用户在消费级硬件上也能快速、低成本地训练和部署模型。
（保姆级教程）使用Unsloth微调大模型：从LoRA原理到代码实战，收藏这篇就够了！
最新发布
m0_59235945的博客
11-04 830
大语言模型（LLM）微调就像训练一条龙。图片由ChatGPT根据作者提示生成 训练大语言模型的体验，很像在《驯龙高手》里教“无牙”（Toothless）飞行：“无牙”无疑是条强大的龙，但它少了一只尾翼；同理，基础大语言模型看似功能强大，但若未经训练、无法获取你的领域知识，就容易出现“幻觉”（生成虚假信息），给出不可靠的回复。
大模型干货 | 如何使用Unsloth框架对Llama进行微调？
智能运维及数据中台探索
09-12 2935
今年4月份，Meta 公司发布了功能强大的大型语言模型（LLM）Llama-3，为从事各种 NLP 任务的开发人员提供了功能强大可以在普通机器上运行的开源LLM。然而，传统的 LLM 微调过程既耗时又耗费资源。但是，Unsloth 的出现改变了这一局面，大大加快了 Llama-3 的微调速度。 所以，本文将详细如何使用Unsloth框架进行LLaMA 3.1-8B模型的微调，帮助快速构建微调环境，并了解微调流程的基本步骤。内容比较详尽，适合新手小白学习。
探索创新代码库：Unsloth - 提升你的生产力工具箱
gitblog_00096的博客
03-21 1755
在编程世界中，效率是关键。为了提升开发者的工作流和生产力， 是一个值得你关注的项目。Unsloth 是一款轻量级、可扩展的任务管理工具，专为程序员设计，旨在帮助他们在日常工作中更好地组织任务，优化时间分配。 ## 项目简介 Unsloth 的核心理念是将 GTD（Getting Things Done）方法论与开发者的实际需求相结合。它不仅提供了清晰的任务列表，还支持自定义标签、优先级和截止日...
大模型微调：LLaMA-Factory、Unsloth 和 Hugging Face Transformers 之选
嘴巴吃糖了
11-11 2272
在当今蓬勃发展的人工智能时代，大模型微调犹如一把神奇的钥匙，能够开启模型性能提升的大门，使其更好地适应各种特定任务。然而，面对市场上琳琅满目的微调工具，如何从中挑选出最契合自身需求的平台，着实成为了一项颇具挑战性的难题。接下来，让我们深入对比分析 LLaMA-Factory、Unsloth 和 Hugging Face Transformers 这三个主流的微调框架，为你的选择提供有力的参考。一、LLaMA-Factory：模块化与易用性的完美融合。
2024最新AI大模型面试题分享
2401_86518761的博客
09-24 1718
LLM（Large Language Model，大型语言模型）是指基于大规模数据和参数量的语言模型。Transformer架构：大模型LLM常使用Transformer架构，它是一种基于自注意力机制的序列模型。Transformer架构由多个编码器层和解码器层组成，每个层都包含多头自注意力机制和前馈神经网络。这种架构可以捕捉长距离的依赖关系和语言结构，适用于处理大规模语言数据。自注意力机制（Self-Attention）：自注意力机制是Transformer架构的核心组件之一。
拼多多大模型算法工程师面试，面试官很nice（附面试题）
2401_85782938的博客
06-21 2765
大模型的 honest原则是如何实现的?模型如何判断回答的知识是训练过的已知的知识，怎么训练这种能力?如何解决 PPO 的训练过程同时存在4个模型(2训练，2推理)，对计算资源的要求较高问题?从考察问题延展到考察知识点，再到如何优雅回答一面俱全，可以说是求职面试的必备宝典，每一部分都有上百页内容，接下来具体展示，完整版可直接下方扫码领取。6.领域模型 Continue PreTrain ，如何 让模型在预训练过程中就学习到更多的知识?5.领域数据训练后，通用能力往往会有所下降，如何缓解模型遗忘通用能力?
Unsloth技术揭秘：如何实现AI模型微调速度的2-5倍提升？
寻道AI，探索AI无限可能！
11-05 2085
Unsloth是一个专门为模型微调而设计的框架，它旨在解决模型微调过程中常见的训练速度慢、显存占用高等问题。通过一系列创新的技术和优化策略，Unsloth 能够显著提高模型微调的效率，使得开发者能够在更短的时间内获得更好的模型性能。Unsloth 作为一个强大的预训练模型微调框架，为开发者提供了高效、便捷的模型微调解决方案。它的快速训练速度、低显存占用以及广泛的兼容性等优势，使其在人工智能领域具有重要的地位。
【搭建框架必备基础】Unsloth实战教程
weixin_68094467的博客
05-06 1239
在搭建微调框架的时候发现缺乏了很多必备的搭建框架，如dataclasses、DeepSpeed、unsloth、transformer、fp16库等等框架，一篇文章不足以放下所有内容，因此分开来讲解，以便更好地理解如何搭建微调框架。
本地大模型安装（Ollama）
2401_84670644的博客
11-14 772
在当今人工智能快速发展的时代，大型语言模型（LLMs）如ChatGPT、GPT-4等已成为研究和应用领域的热门话题。虽然云端服务提供了便捷的使用方式，但对于追求数据隐私、低延迟响应或特定定制需求的用户而言，本地部署大型语言模型成为了一个颇具吸引力的选择。本文将带你从零开始，逐步完成本地大模型的安装与配置。Ollama是一个开源的大型语言模型服务工具，它帮助用户快速在本地运行大模型。
【AIGC调研系列】XTuner、Unsloth方案对比
zachary的博客
05-09 3896
XTuner和Unsloth都是用于大型语言模型（LLM）训练和微调的工具，但它们在设计理念、技术实现和性能表现上存在一些差异。XTuner和Unsloth各有优势。XTuner更适合需要处理超长上下文或大规模参数模型的场景，而Unsloth则在提高训练速度和节省显存方面表现更为突出。用户应根据自己的具体需求选择最合适的工具。
使用unsloth本地微调开源大模型步骤
weixin_43217276的博客
07-28 3932
这里我选择huggingface上的数据集下载下来：Seikaijyu/Beautiful-Chinese,也可以自定义自己的数据集，只要是json格式的就行，可以使用以下chatGPT的插件Alpaca Dataset制作自己的数据集，将模型文件和数据集都放到unsloth根目录中，其中的fine-tuning.py为微调脚本，在我们之前设置的环境中运行，出现的lora_model文件夹就是生成的lora模型，output文件夹中为微调的大模型。从huggingface（
【Llama3-8b】手把手教你如何在本地部署 AI 大模型
2301_81888214的博客
12-05 1580
手把手教你如何在本地部署 AI 大模型
AI大模型本地部署：通过unsloth 框架以 LoRA 的方法微调 Qwen3-14B 模型
2401_85373691的博客
05-06 1453
如果你真的想学习大模型，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
大语言模型微调框架Unsloth：简化模型微调流程，提升模型性能
东南草堂
08-15 1292
Unsloth 将 Llama-3、Mistral、Phi-3 和 Gemma 等大型语言模型的微调速度提高了 2 倍，内存使用量减少了 70%，而且准确性不会降低！
大厂AIGC大模型校招面试题汇总与解析
阿里百度字节腾讯等大厂大模型算法校招面试题"是一份针对人工智能生成内容（AIGC）领域中，大型语言模型（LLM）方向的校园招聘技术面试资料，聚焦于阿里巴巴、百度、字节跳动、腾讯等国内一线科技企业在大模型算法...
评论
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

打赏作者

go2coding

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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