- 博客(20)
- 收藏
- 关注
RSS订阅原创 2024.2 DataWhale 多智能体实战 第四章 多智能体开发
下面我们将演示使用MetaGPT开发一个多智能体系统，这个系统中包含“学生”和“老师”两个角色。当用户输入一个主题，学生便开始以用户输入的主题创作一首诗词。而后老师会对学生的诗词提出修改意见，学生则会根据老师的意见对之前的诗词进行修改。老师和学生分别执行一次，记为一轮，智能体系统持续执行这套操作，直至达到预设的循环次数。
2024-03-04 22:32:59
891
1
原创 2024.2 DataWhale 多智能体实战 第三章 单智能体开发
下面将演示如何使用MetaGPT实现一个单动作智能体，该智能体可以根据用户的需求写出一个python函数，比如："write a function that calculates the sum of a list"。act函数先是通过get_memories函数获取到用户的需求，进行调用todo.run函数执行SimpleWriteCode这个动作，并拿取返回的python代码文本，最后将文本打包成Message格式进行返回。测试一个难度更高的需求：返回数组中的最大的负数，返回-1如果数组中没有负数。
2024-03-02 00:19:28
827
原创 2024.2 DataWhale 多智能体实战 第二章 智能体综述及多智能体框架介绍
AI智能体（agent）可以根据设定的目标或任务，自驱地定义工作流程，并调用工具对任务进行逐步解决。LLM是AI智能体的大脑，智能体具备以下几种能力：1. 规划（目标拆解，反思和完善）2. 记忆（短期 vs 长期）3. 工具使用 （外部API）目前AI智能体的案例包括：Baby AGI，斯坦福小镇等等MetaGPT是一个多智能体协作框架，其优势在于可以生成稳定的解决方案和多样化的角色分配。MetaGPT包含了智能体环境标准流程（SOP）评审路由订阅和经济几个组成部分。
2024-02-28 20:07:13
389
原创 2024.2 DataWhale 多智能体实战 第一章 MetaGPT环境配置
项目地址： GitHub - datawhalechina/hugging-multi-agent: A tutorial to quickly help you understand the concept of agent and muti-agent and get started with coding development逐行输入以下三条命令：(0.6.6版本): 时间比较久API获取，请登录智谱AI官网（智谱AI开放平台）申请使用权限。新建metagpt文件夹，进入metagpt文
2024-02-27 02:04:05
400
原创 2024.1 书生·浦语大模型实战营 第 6 节 课后作业
使用OpenCompass评测InternLM2-Chat-7B 模型在 C-Eval 数据集上的性能。
2024-02-21 21:41:23
312
原创 2024.1 书生·浦语大模型实战营 第 4 节 课后作业
构建数据集，使用 XTuner 微调 InternLM-Chat-7B 模型, 让模型学习到它是你的智能小助手。将internlm-chat-7b模型复制到ft-diyqa内。1. 创建conda环境，安装依赖以及XTuner。在/root目录下创建ft-diyqa文件夹，过程省略，参照教程文档。
2024-02-19 19:38:29
329
1
原创 2024.1 书生·浦语大模型实战营 第 4 节 课堂笔记
大模型的微调有两种1. 增量预训练：给模型提供一些新知识，让模型在指定领域表现更好。训练语料都是陈述句（system和input为空，只在output有内容）2. 指令微调：让模型学会根据人类指令进行对话。指令微调时，通过模板将训练预料中的System，User和Assistant拼接起来，并且只对答案部分计算损失。（推理时不分角色，直接和模型聊天即可）LoRA & QLoRA：原基座模型权重不变，在旁路新增一个权重分支，来实现对模型的微调。
2024-01-13 22:30:58
405
1
原创 2024.1 书生·浦语大模型实战营 第 3 节 课堂笔记
项目地址：GitHub - InternLM/tutoriald第二节课视频地址：(3)基于 InternLM 和 LangChain 搭建你的知识库_哔哩哔哩_bilibili
2024-01-11 17:52:31
391
1
原创 2024.1 书生·浦语大模型实战营 第 3 节 课后作业
项目地址：GitHub - InternLM/tutoriald第二节课视频地址：(3)基于 InternLM 和 LangChain 搭建你的知识库_哔哩哔哩_bilibili
2024-01-11 17:51:35
402
1
原创 2024.1 书生·浦语大模型实战营 第 2 节 课后作业
项目地址：GitHub - InternLM/tutoriald第二节课视频地址：(2)轻松玩转书生·浦语大模型趣味Demo_哔哩哔哩_bilibili
2024-01-10 00:25:52
357
原创 2024.1 书生·浦语大模型实战营 第 2 节 课堂笔记
项目地址：GitHub - InternLM/tutoriald第二节课视频地址：(2)轻松玩转书生·浦语大模型趣味Demo_哔哩哔哩_bilibili
2024-01-10 00:23:47
366
原创 2024.1 书生·浦语大模型实战营 第 1 节 课堂笔记
2. 判断业务场景的复杂度。如果业务场景简单，可以采用prompt engineering的方式；如果业务场景复杂，则需要对模型本身进行调整。3. 在对模型进行微调前，需考虑算力，进而决定是采用全参数微调还是部分参数微调（如lora）。1. 模型选型：根据开源模型在各项任务中的表现，结合自身业务场景进行模型选型。4. 模型微调完成后，需考虑是直接使用模型，还是构建智能体解决更加复杂的问题。6. 模型部署，需考虑资源利用效率以及吞吐量。书生·浦语全链条开源开放体系。5. 模型的评测，上线。
2024-01-06 22:27:03
463
1
原创 2023.10DataWhale扩散模型学习笔记——Week3
推荐阅读材料：《扩散模型-从原理到实战》第六章本文深入解读Stable Diffusion中的各个模块首先，如果想要快速体验Stable Diffuision，可以从HuggingFace直接下载预训练好的Pipeline，然后直接调用pipe()函数进行图片生成如果想要深入了解Pipeline中的各个组成模块，则需先把他们下载下来。
2023-11-03 20:47:51
104
原创 2023.10DataWhale扩散模型学习笔记——Week1
扩散模型是一种生成模型。生成模型的学习目标是对训练数据的分布进行建模。扩散模型的扩散过程包含前向过程和反向过程。前向过程给数据添加噪声；反向过程则是去除噪声，从随机噪声中恢复清晰数据。HuggingFace是一个开源机器学习平台。HuggingFace为我们提供了：1. 超过7万份可供模型训练的数据集（截止2023.10）2. 超过36个开源预训练模型。模型配有模型卡对该模型进行描述和使用方式的说明3. 在线推理:打开。
2023-10-20 23:20:46
97
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