- 博客(19)
- 收藏
- 关注
RSS订阅原创 模型应用系列——智能体（Agent）
尽管目前仍面临可靠性、安全性、效率等多方面的挑战，但随着技术的不断进步和应用场景的深入探索，智能体有望成为连接人工智能技术与现实世界需求的关键桥梁，深刻改变人机交互的方式，并推动新一轮的生产力变革。随着大型语言模型（Large Language Models, LLMs）能力的飞速发展，智能体（Agent）作为一种新兴的应用范式，正展现出巨大的潜力和广阔的应用前景。通过将 LLM 的核心能力（理解、生成、推理）与外部工具和行动框架相结合，智能体能够完成更复杂、更动态、更贴近现实世界的任务。
2025-11-21 09:58:19
593
原创 DeepSeek本地部署，保姆级教程，谁都可以照抄！！
恭喜你！至此已成功在本地部署 DeepSeek 模型。📝 自动写作💻 编程辅助🌐 语言翻译📚 学习问答🔍 知识检索完全免费！完全离线！完全自由！
2025-11-21 09:43:31
808
原创 AI大模型到底是什么？
在当今科技浪潮中，“人工智能”、“大模型”这些词汇频繁地出现在我们的视野里，从聊天机器人、智能写作助手到图像生成工具，它们似乎正以前所未有的速度改变着我们的生活和工作方式。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。AI大模型的兴起，特别是自然语言处理领域的突破，很大程度上归功于。
2025-11-17 16:27:40
1036
原创 大模型学习方法之——大模型技术学习路线
大模型技术的学习是一个系统化、持续性的过程。从理论基础到工程实践，从前沿应用到伦理安全，每个环节都需要深入学习与实践。优质的学习资源、社区参与、项目实践是提升技术能力的有效途径。持续学习与职业发展则是长期保持竞争力的关键。通过系统化的学习路线，可以逐步掌握大模型技术的核心能力，并在实际应用中创造价值。
2025-11-17 15:48:54
803
原创 初学者怎么入门大语言模型（LLM）？
理解大语言模型的基本概念大语言模型（LLM）是通过海量文本数据训练的深度学习系统，核心是基于Transformer架构的神经网络。典型代表包括GPT、BERT等，具备文本生成、问答、翻译等能力。关键特征包括参数量级（数亿至万亿）、自注意力机制和预训练-微调范式。
2025-11-10 14:42:45
987
原创 2025大模型学习全攻略：从小白到专家，一站式进阶之路
大模型技术的发展日新月异，一日千里。2024年的“全攻略”只是你探索之旅的起点。从理解基础概念到动手实践项目，从学习经典架构到追踪前沿研究，这条进阶之路充满了挑战与机遇。保持好奇心，持续学习，勇于实践，乐于分享。无论你身处哪个阶段，都请记住：在智能新时代，掌握大模型技术，就是掌握了一把开启未来的钥匙。祝你在这条进阶之路上，不断突破自我，成为真正的专家！
2025-11-10 14:40:03
539
原创 开发大模型or使用大模型?
然而，面对这一浪潮，许多组织和个人陷入一个关键抉择：是自行开发大模型，还是直接使用现有的大模型服务？接下来，我们将分步解析：首先剖析开发大模型的细节，然后探讨使用大模型的模式，接着进行系统比较，最后展望未来趋势。其中 $L$ 是损失函数，$y_i$ 为真实值，$\hat{y}_i$ 为预测值，$\lambda$ 是正则化系数，$\theta$ 表示模型参数。作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
2025-11-03 13:46:38
793
原创 终极指南：LoRA篇大模型面经，最全总结与实战技巧
LoRA是一种针对预训练大模型的微调技术，通过引入低秩矩阵来更新权重，而非直接修改原始参数。其核心思想是：大模型的权重矩阵$W$（维度$d \times k$）在微调时变化量$\Delta W$可分解为两个低秩矩阵$B$和$A$的乘积：其中$B \in \mathbb{R}^{d \times r}$, $A \in \mathbb{R}^{r \times k}$, $r \ll \min(d,k)$为秩（rank）。
2025-11-03 13:44:22
913
原创 DeepSpeek: 大模型微调框架全面解析
DeepSpeed是微软于2020年推出的开源框架，专注于大规模深度学习模型的训练和微调。其核心目标是解决“内存墙”问题——即模型参数、梯度和优化器状态占用过多内存，导致训练无法在有限硬件上运行。DeepSpeed通过模块化设计，支持多种优化技术，并能无缝集成到PyTorch生态中（如Hugging Face Transformers库）。：初版引入ZeRO优化技术。：增强混合精度支持和梯度检查点。最新版本（如v0.10+）：支持ZeRO-3优化、Pipeline Parallelism等高级特性。
2025-11-03 13:42:15
891
原创 大模型技术的发展与实践
大模型技术正从专用智能向通用智能演进，其发展遵循“架构创新-规模扩展-能力涌现-应用深化”的螺旋上升路径。未来需在提升认知深度的同时，构建包含安全护栏能耗优化（Energy-Aware Training）和价值对齐（Value Alignment）的可持续发展体系。技术进化的终极目标应是构建人类与机器智能的共生生态，使AI成为拓展人类认知边界的思维增强器。
2025-11-03 13:33:49
582
原创 作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系
工程化思维：将论文转化为可落地的代码领域交叉能力：金融/医疗/教育等垂直场景理解持续学习机制：建立每周20小时的学习飞轮正如OpenAI首席科学家Ilya Sutskever所言："我们正在见证软件2.0范式的诞生"。此刻启程，方能在AI原生时代掌握技术主动权。
2025-11-03 13:33:03
585
原创 大模型的函数调用-Function call：连接语言与行动的智能桥梁
函数调用不仅是技术接口，更是认知维度的扩展。当大模型能自由调用人类千年文明积累的工具——从LaTeX公式编译器到粒子对撞机控制接口，我们正见证“语言即行动”的智能新纪元。函数生态的丰富度 × 调度智能的精准度 × 安全边界的可靠性如何学习AI大模型？作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
2025-10-31 14:46:06
910
原创 【AI大模型部署】6种常用的大模型部署方式，你知道几种？
AI大模型的部署是将训练好的模型集成到实际应用的过程，涉及模型推理、服务化和运维。计算资源需求：大模型推理需要高性能硬件（如GPU或TPU），否则延迟过高，影响用户体验。例如，实时对话系统要求响应时间低于500毫秒。成本优化：云服务费用或硬件投入可能失控。部署不当会导致资源闲置或过度配置，增加总拥有成本（TCO）。可扩展性与弹性：用户流量波动时，部署方案需自动扩缩容，避免服务中断。根据Gartner报告，到2025年，70%的企业AI项目将因部署失败而搁浅。因此，掌握多种部署方式能显著提升成功率。
2025-10-31 14:38:37
683
原创 作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系
本文系统介绍了学习AI大模型的完整路径：从基础概念（Transformer架构、自注意力机制）到数学编程基础（线性代数、Python/PyTorch），再到深度学习与NLP核心技术（词嵌入、序列建模）。重点讲解了Transformer架构原理及实践方法，包括预训练模型微调和部署优化。建议通过参与开源项目、跟踪前沿研究（ACL/NeurIPS论文）和实际应用开发来巩固知识。文章还提供了包括学习路线图、技术报告集和商业方案在内的全套学习资源，帮助开发者构建完整的AI大模型知识体系。
2025-10-31 14:18:40
622
原创 人工智能大模型入门分享（一）——利用ollama搭建本地大模型服务（DeepSeek-R1)
Ollama支持Windows、macOS和Linux系统。访问Ollama官网下载对应版本的安装包，按照提示完成安装。安装完成后，可通过命令行输入验证是否成功。
2025-10-31 14:14:19
951
原创 《深入浅出LLM基础篇》（一）：大模型概念与发展
大规模语言模型（LargeLanguageModels，LLM），也称大规模语言模型或大型语言模型，是一种由包含数百亿以上参数的深度神经网络构建的语言模型，使用自监督学习方法通过大量无标注文本进行训练。自2018年以来，Google、OpenAI、Meta、百度、华为等公司和研究机构都相继发布了包括BERT[1]，GPT[6]等在内多种模型，并在几乎所有自然语言处理任务中都表现出色。
2025-10-31 14:05:24
887
原创 【大模型】初识大模型（非常详细）零基础入门到精通，收藏这一篇就够了
大模型（Large Model）是一类基于深度学习的机器学习模型，其核心特征在于超大规模的参数数量、海量的训练数据支撑以及极高的计算资源消耗。通过对复杂数据结构的深度学习，这类模型能够捕捉数据中抽象的内在规律，进而灵活应对翻译、推理、创作等多种跨领域复杂任务，是当前人工智能技术的重要载体。
2025-10-30 13:26:33
507
原创 【大模型微调】一文掌握7种大模型微调的方法
本篇文章深入分析了大型模型微调的基本理念和多样化技术，细致介绍了LoRA、适配器调整(Adapter Tuning)、前缀调整(Prefix Tuning)等多个微调方法。详细讨论了每一种策略的基本原则、主要优点以及适宜应用场景，使得读者可以依据特定的应用要求和计算资源限制，挑选最适合的微调方案。
2025-10-30 09:57:23
939
原创 什么是大模型？一文读懂大模型的基本概念
本文系统梳理了大模型的关键概念与发展历程。首先明确了大模型（参数规模达数十亿至数千亿）与小模型的本质区别在于涌现能力，并区分了大模型、超大模型、大语言模型等相关概念。文章回顾了大模型从传统神经网络到Transformer架构的演进过程，重点分析了GPT系列模型的突破性进展。详细阐释了大模型的八大核心特征，包括巨大规模、涌现能力、多任务学习等，并按输入数据类型和应用领域进行了分类。最后探讨了大模型的泛化能力与微调方法，强调大模型作为AI核心技术将持续推动人工智能领域的创新发展。
2025-10-30 09:46:36
796
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人