荣山的博客

知识评估基准（打榜）和Dify平台

LangChain 提供了一种模块化的方法来组合不同的组件，如提示工程、文档检索、API 调用等，以创建复杂的自然语言处理应用。LangSmith 是一个用于测试、评估和监控语言模型的平台。LangGraph 是一种技术栈或框架，用于构建和查询基于图的语言处理应用。LangChain、LangServe、LangSmith 和 LangGraph 分别代表了不同的概念和技术，它们在自然语言处理（NLP）和人工智能领域各有侧重。LangServe 可能是指一种服务或框架，用于部署语言模型的API接口。

transformer中的两种架构

模型的微调考虑

沿着。

回归任务是对连续值进行预测，根据每个样本的值/特征预测该样本的具体数值，例如房 价预测，股票预测等，相当于学习到了这一组数据背后的分布，能够根据数据的输入预 测该数据的取值。有监督学习：监督学习利用大量的标注数据来训练模型，对模型的预测值和数据的真实 标签计算损失，然后将误差进行反向传播（计算梯度、更新参数），通过不断的学习， 最终可以获得识别新样本的能力。一般假设无标签数据远多于有 标签数据。无监督学习：无监督学习不依赖任何标签值，通过对数据内在特征的挖掘，找到样本间 的关系，比如聚类相关的任务。