上月，Meta宣布推出迄今为止最强大的开源模型——Llama 3.1 405B，同时发布了全新升级的Llama 3.1 70B和8B模型。最近出现了一系列令人激动的开源大语言模型，伴随大模型一起爆火的，还有大模型的微调方法。然而随着模型规模和任务数量的增加，对整个Transformer模型进行微调也变得越来越昂贵。因此，很多参数高效微调方法（Parameter-Efficient Fine-Tuning，PEFT） 方法被提出来解决这类问题。
免费扫描参与课程（附老师ppt原稿&100+大模型论文）
领99个大模型微调模型/数据/工具
（文末有福利）
导师推荐100+大模型论文合集
我们邀请了清华大学博士，AI顶会审稿人青山老师为大家带来——惊艳的大模型高效参数微调法！来和大家聊一聊有关大模型微调的方法、未来趋势及创新点！
免费扫描参与课程（附老师ppt原稿&100+大模型论文）
领99个大模型微调模型/数据/工具
（文末有福利）
讲师介绍—青山老师
▪️研究领域：工业故障诊断、医学图像分割、医学多模态问答、不平衡学习、小样本学习、开集学习和可解释性深度学习等。
▪️共发表20余篇SCI国际期刊和EI会议论文，包括一区期刊IEEE Transactions on Industrial Informatics (影响因子11.648)，Applied Soft Computing (影响因子8.263)，Neurocomputing (影响因子5.779)， ISA Transactions (影响因子5.911)，Journal of Intelligent Manufacturing (影响因子7.136) 等。论文引用200+。
▪️长期担任人工智能顶级会议AAAI等审稿人， Neurocomputing，Expert Systems with Applications等国际顶级期刊审稿人。
免费领99个微调数据/模型/工具
▪️58个开源的微调数据
▪️18个开源垂直微调模型
▪️23个开源的指令微调与强化工具
（文末有福利）
作为一个科研小白，怎么发表一篇大模型微调相关的优质论文？
为了论文，大家都在努力地设计新网络、新策略、新training算法，只要能够在某一问题上做到一个很好的performance，论文就水到渠成。而想要快速达到，来自前辈的指点不可或缺。
一个好的指导老师的作用是，没有课题，能够结合所在课题组具体情况，结合最近热门研究方向，帮你规划课题，如果有了课题而缺少创新方向，老师能够快速帮你找到几种切入点，几种框架，甚至连需要读哪些文献都帮你想好了......
扫描二维码
获取学术大咖科研指导
（文末有福利）
文末福利
大模型相关的内容之所以那么火，与其相结合的技术原理绝对不容忽视，为了能让大家更能进一步了解时下大模型相关前沿热点，我们特邀QS前50博导、大厂算法研究员等多位大牛打造了大模型系列课程，附论文代码讲解，原价666元，限时免费领！
立即扫码
免费领100节计算机必学课程
-END-
扫一扫
731
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
