荷露叮咚网络学苑

本文分享了关于大模型微调的25个关键问题及解决方案，涵盖全量微调显存需求、SFT数据构建、领域模型训练、多轮对话微调等核心内容。作者指出，微调应注重数据质量而非数量，推荐使用LoRA等高效方法，并强调混合通用数据以防止灾难性遗忘。文章还探讨了预训练与微调的区别、优化器选择、batch size设置等技术细节，并提供了处理loss突刺等问题的实用技巧。最后总结了微调大模型的"终极心法"：精选基座模型、严格把控数据质量、合理配置训练参数，实现从"语言预测器"到"

本文探讨了生成式AI Agent的核心架构与工作原理。Agent通过整合语言模型、工具和编排层，实现了超越基础模型的能力：1）利用工具扩展功能，访问实时数据并执行现实操作；2）采用ReAct、思维链等推理框架进行决策规划；3）通过扩展程序、函数调用和数据存储三种工具类型实现外部系统交互。文章详细解析了Agent的认知架构组成，对比了不同工具的应用场景，并指出目标学习（上下文学习、检索增强、微调）对提升Agent性能的关键作用。最后强调Agent开发需要持续迭代，未来"Agent链"将成为

美国人工智能行动计划中文版 2025.7

开源语音大模型正重塑智能语音市场格局，TTS（文本转语音）和ASR（语音识别）技术取得显著突破。国产模型Speech-02-HD在TTS领域表现突出，支持32种语言和情感控制，在自然度和音色克隆方面领先。ASR领域，FireRedASR中文识别效果优异，Whisper多语言覆盖广。选型需考虑场景需求，如智能客服推荐Speech-02-HD+FireRedASR组合。未来趋势包括多模态融合、边缘计算和情感计算，但面临数据合规、技术同质化等挑战。开源技术正加速语音AI在各行业的应用渗透。

之前我们写了一篇《开源语音TTS与ASR大模型选型指南（2025最新版）》，里边埋了一个伏笔，就是我们的项目是用的哪个ASR大模型，本篇就给大家解密，并给大家分享详细的部署过程，相信大家在这过程中可以学到很多东西。

豆包+DeepSeek生成儿童故事漫画：小白兔与小鹿的故事

豆包、midjourney、stable diffusion生图提示词大全

读了200+关于DeepSeek的材料，总结出来的88个DeepSeek实用技巧。

我们平时训练微调大模型或部署大模型应用时，会通常用到镜像文件，本文提供通用且专业镜像文件，如有其它组件需安装，则可在Dockerfile文末追加。

对DeepSeek还没什么不了解的，全在这了。

​是一款拥有671B参数规模的推理大模型，其在数学、编程和推理等复杂任务上的表现，已经与当前主流商业大模型不相上下。本文详细介绍如何使用SGlang作为分布式推理方案，并基于Alaya NeW算力云的弹性容器集群，展示DeepSeek-R1私有化部署的最佳实践。通过这种组合，我们旨在提供一个灵活、可扩展且高性能的解决方案，以支持深度学习模型的高效部署与运行。这一方法不仅提升了模型推理的效率，还确保了在私有化环境下的稳定性和安全性。​

大模型最典型最成熟的应用非知识库莫属了，构建本地大模型知识库的主流技术组件组合通常围绕检索增强生成（RAG）框架展开，涵盖前端交互、向量存储、嵌入模型、推理大模型等核心模块。本文介绍基于大模型构建本地知识库的技术原理，特别是RAG原理，并演示操作个人用的基于轻量版Cherry studio及企业级Dify的知识库构建方案，通过本文档的学习，您可以建设自己个人的或企业级的知识库。

DeepSeek-V3技术核心剖析

当我们还沉浸在大模型的价格杀手、开源之光DeepSeek-V3的惊喜中，DeepSeek于2025年1月20日又再一次让我们吃了一惊，发布了DeepSeek-R1，性能直接对标OpenAI o1，是全球唯一一个可以与其较劲的大模型。此次发布的DeepSeek-R1还是将模型权重一并开源，有实力就是豪横！

DeepSeek V3出现的基本情况、国内外业内人士对DeepSeek-V3的看法、DeepSeek-V3背后的团队介绍、DeepSeek-V3牛在哪里、如何使用DeepSeek-V3、DeepSeek-V3有哪些不足、DeepSeek-V3对行业的影响等内容。