【书生大模型实战营】基础岛 第1关 书生大模型全链路开源体系

最新推荐文章于 2024-08-21 18:03:50 发布
最新推荐文章于 2024-08-21 18:03:50 发布
阅读量159 收藏 1
点赞数 5
文章标签： AI写作 AI编程
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。
本文链接：https://blog.csdn.net/gouyinghong/article/details/141279705
版权

【书生大模型实战营】基础岛 第1关 书生大模型全链路开源体系

笔记

1. 书生·浦语开源体系

在这里插入图片描述
在这里插入图片描述

2. 核心技术思路

基于高质量的数据使用模型参与自身迭代，加速能力提升
在这里插入图片描述
高质量合成数据
在这里插入图片描述

3. 优势

（1）强大的推理能力
在这里插入图片描述
（2）支持100万Token上下文
在这里插入图片描述
（3）基于规划和搜索解决复杂问题
在这里插入图片描述

4.书生·浦语开源模型谱系

在这里插入图片描述

5. 全链路开源开放体系

在这里插入图片描述
（1）数据
在这里插入图片描述
开源数据处理工具箱
在这里插入图片描述
（2）预训练InternEvo
在这里插入图片描述
（3）微调XTuner
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
（4）OpenCompass评测体系
在这里插入图片描述
在这里插入图片描述
（5）部署LMDeploy
在这里插入图片描述
（6）智能体
与外部工具进行交互，来提高回复的可靠性
在这里插入图片描述
学术界比较主流的智能体框架Lagent：ReAct, ReWoo, AutoGPT
在这里插入图片描述

不想让你知道我的昵称
关注
  • 5
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【 书生·浦语大模型实战营】学习笔记（一）：全链路开源体系介绍
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-31 1659
本文为实战营第一次课程笔记，主要分为两个部分，第一部分从书生·浦语大模型发展、分类、组成进行详细介绍，方便大家理解。第二部分为对 InternLM2技术报告解读，后续系列会继续更新，欢迎大家交流！
书生大模型实战营第三关浦语提示词工程实践
08-09
书生大模型实战营第三关浦语提示词工程实践
【书生大模型实战营第三期】基础岛 第1关 书生大模型全链路开源体系
weixin_46390472的博客
08-06 162
其中，最新的 InternLM2.5 模型拥有领先与同时期开源产品的推理能力，不仅支持100万字的上下文，还具有自主规划和搜索以完成复杂任务的特点。InternLM 家族拥有不同参数量的模型，能够满足不同用户的需求，适应各种场景。除了大模型本身，书生·浦语团队还构建了一整套从头到尾，从数据到训练，从科研到应用，从开发到部署的完整开源链路生态。推理能力不仅优于上一代模型，而且相比于同量级的大模型也有不俗的表现。模型训练数据精心构造，包括基于规则的数据，人为扩充和反馈的数据。
【书生大模型实战营第三期 | 基础岛第1关-书生大模型全链路开源体系】
imath60的博客
08-06 442
视频提供了对书生·浦语大模型全链路开源体系的全面介绍，让我认识到开源对于推动技术进步和知识共享的重要性。实战营的免费算力机会尤其吸引人，它为开发者和研究者提供了实践和探索的宝贵资源。此外，通过GitHub上的教程和社区互动，可以更直接地参与到模型的开发和优化过程中，这对于提升个人技能和对大模型的理解都非常有帮助。总的来说，这次学习经历不仅增进了我的知识，也激发了我参与开源社区、贡献自己力量的热情。
书生大模型实战营基础岛第一关全链路开源开发体系笔记
climax1的博客
08-08 247
实验：直接将新唐书发给模型，查看定位效果，通常需要RAG，这对于普通的文档索引是没有问题的，但是如果上升到跨文档的搜索和理解推理，就会存在很大的问题。数据驱动模型性能，通过数据过滤和智能评估的预训练数据输入模型得到预训练模型，然后再通过指令生成和辅助标注进行数据对齐和微调，循环往复得到更好的模型。分析用户需求-问题分析-再进行思维路径拆解-找出为了找到内容而进行的操作-进行内容整合-然后做到回复。当给模型提供一段非常长的背景知识的时候，模型是否能够定位这段知识的任何位置的任何信息。
《书生大模型实战营第3期》基础岛 第1关 ：书生大模型全链路开源体系
shiter编写程序的艺术
08-04 905
卓越的推理性能：在数学推理方面取得了同量级模型最优精度，超越了 Llama3 和 Gemma2-9B。有效支持百万字超长上下文：模型在 1 百万字长输入中几乎完美地实现长文“大海捞针”，而且在 LongBench 等长文任务中的表现也达到开源模型中的领先水平。可以通过LMDeploy尝试百万字超长上下文推理。更多内容和文档对话 demo 请查看这里。工具调用能力整体升级：InternLM2.5 支持从上百个网页搜集有效信息进行分析推理，相关实现将于近期开源到Lagent。
书生大模型实战营-基础岛第一关 书生大模型全链路开源体系
sty0213的博客
08-06 192
从模型训练、微调、到部署、应用到评测都有全链条开源的优势。帮助开发者一步到位地开发应用！（3）基于人类反馈的数据生成：根据人类评估的数据来提高合成数据质量。书生大模型全链路开源体系指的是基于上海人工智能实验室的开源体系。（2）基于模型的数据扩充，例如对一些代码添加函数及一些标注。（1）基于规则的数据构造，例如代码、公式、函数等。
书生大模型实战营-基础关-书生大模型全链路开源体系
greatwind的博客
08-01 367
书生浦语2.0体系，模型大小主要有。
【书生大模型实战营（暑假场）闯关材料】基础岛：第1关 书生大模型全链路开源体系
驽马十驾，功在不舍；锲而不舍，金石可镂。
08-17 884
随着人工智能技术的不断发展，深度学习模型在各个领域的应用越来越广泛。本书生大模型作为深度学习领域的重要组成部分，其全链路开源开放体系为人工智能技术的进一步发展和应用提供了重要的支持。本书生大模型全链路开源开放体系的发展历程可以追溯到2017年。当时，书生大模型在学术界和工业界引起了广泛的关注和讨论，其强大的模型能力和广泛的应用前景吸引了众多研究者和开发者。
书生大模型实战营闯关 - 基础岛 - 书生大模型全链路开源体系
nachtmusik的博客
08-11 215
大模型, 书生, InternLM, 上海人工智能实验室从数据到预训练, 到微调, 到部署, 到评测, 到应用, 给大家开源全套方案
书生浦语大模型实战营微调部署至OpenXlab.zip
07-26
个人深耕AI大模型应用领域积累的成果，希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题，欢迎详聊，能为您解决问题是我的荣幸！ 个人深耕AI大模型应用领域积累的成果，希望对您有所...
大模型-书生训练营第三期闯关指南-linux
07-19
大模型-书生训练营第三期闯关指南-linux
书生浦语大模型实战课 第二课笔记
03-31
书生浦语大模型实战课 第二课笔记
书生·浦语大模型 - 基础岛 - 第3关 书生浦语提示词工程实践
08-10
书生·浦语大模型 - 基础岛 - 第3关 书生浦语提示词工程实践
利用ai写作软件，一键智能改写文案很简单
最新发布
2401_85949356的博客
08-21 217
在当今快节奏的时代，科技的发展日新月异，人工智能（AI）已经逐渐融入到我们生活的各个方面。其中，AI写作工具的出现为文案创作带来了极大的便利，让一键智能改写文案变得简单而高效。
AI写作内容
qq_29950673的博客
08-20 249
虽然计算机视觉技术还面临一些挑战，但随着技术的进步和应用场景的不断扩大，它有望在许多领域发挥更大的作用。计算机视觉（CV）技术是一种让计算机能够“看”和理解图像和视频的技术。它具有许多优势和挑战。
【AI】AI编程工具概述
衍生星球的博客
08-16 806
GitHub Copilot 是由 GitHub 推出的 AI 编程助手，它利用 OpenAI 的技术为开发者提供代码自动完成、错误检测、代码解释等功能。它支持多种编程语言，包括但不限于 Python、JavaScript、TypeScript、Java 和 C#。集成环境：GitHub Copilot 作为 VS Code、Visual Studio 和 JetBrains 系列 IDE 的插件，提供了无缝集成的开发体验。代码建议：根据上下文自动提供代码建议，提高编码效率。聊天功能。
AI编程系列-AI行业100个关键词汇和解释
高效匠人
08-19 808
下面是AI 整理的100个关键词。还可以使用AI进行分类“以下是AI（人工智能）行业中的一些关键词汇及其解释，人工智能领域的多个方面，包括理论基础、技术方法、应用场景进行分类，输出分类表格保留中文、英文、名词解释。88. GPT（Generative Pre-trained Transformer）：一种基于Transformer的预训练语言模型，能够生成文本。188. GPT（Generative Pre-trained Transformer）：一种基于Transformer的预训练语言模型。
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
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