chatGLM之回答问题初探

已于 2023-08-01 15:00:17 修改
阅读量185 收藏
点赞数
文章标签： python
于 2023-08-01 14:59:02 首次发布
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/weixin_45712480/article/details/132042360
版权
本文并未深入IT技术主题，而是探讨了三国演义、企业管理、入党谈话、传统诗词和翻译等非技术性问题在IT专家的视野中的碰撞和可能的关联讨论。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  • 三国演义问题

  • 企业管理问题

  • 入党谈话问题

  • 传统诗词问题

  • 翻译问题

这样使用chatglm让让自己完善答案
东方佑
05-07 590
产品经理张三:作为两个产品经理，我们需要从不同的角度来看待开发技术博客这件事。
个人使用ChatGLM-6B遇到的部分问题汇总
热门推荐
weixin_48713918的博客
05-26 1万+
项目的github网址（https://github.com/THUDM/ChatGLM-6B）中有解决问题专用的Issues模块。建议遇到问题先将部分报错写在这里进行查询，大概率能找到问题的解决方法。本文章只用于记录个人在使用过程中遇到的问题，供以后回忆之用。以下都是在运行cli_demo.py遇到。推荐版本是4.27.1 ，但是好像不太行。以上修改完成后，我的程序就已经可以运行了。这里有多个问题需要解决。
chatglm 多轮对话限制显存
WGS.
05-23 1120
chatglm 多轮对话限制显存
chatglm实现基于知识库问答的应用
爱吃回锅肉的胖子
04-18 1万+
本文旨在通过介绍ChatGLM的使用来讲述如何将一个开源的语言模型应用于智能问答，知识库问答的场景中，通过一系列实操例子来理解整个应用思路。本文章仅仅介绍了最简单的通过向量索引库加AI模型加提示工程来实现知识库问答的方案，其中向量索引和文档的处理非常原始与粗糙，想要实现更加精准的匹配还需要根据实际文档内容和场景来进行修改。相关代码已上传github感兴趣的同学可以 clone 下来跑一跑。
国内大语言模型的相对比较：ChatGLM2-6B、BAICHUAN2-7B、通义千问-6B、ChatGPT3.5
qq_34717531的博客
09-26 4861
国产大模型有很多，比如文心一言、通义千问、星火、MOSS 和 ChatGLM 等等，但现在明确可以部署在本地并且开放 api 的只有 MOOS 和 ChatGLM。MOOS 由于需要的 GPU 显存过大（不量化的情况下需要80GB，多轮对话还是会爆显存），但 ChatGLM 可以在笔记本电脑部署（int4版本只需要6GB显存即可）。所以本文采用ChatGLM 与 ChatGPT 做对比，看看国产模型的优点和缺点。
动手学大模型LLM应用开发之大模型初探
lcx_nanmu的博客
04-18 1187
大语言模型（LLM，Large Language Model），是一种可以理解和生成人类语言的人工智能模型。它们通过海量的文本数据进行训练，从而获得对语言深层次的理解能力。LLM 通常指包含数百亿（或更多）参数的语言模型。国外的知名 LLM 有 GPT-3.5、GPT-4、PaLM、Claude 和 LLaMA 等。国内的有文心一言、讯飞星火、通义千问、ChatGLM、百川等。
【ChatGLM3】（5）：使用 fastchat 部署ChatGLM3服务，启动8bit的worker，可以运行openai_api服务和web界面方便进行测试。还支持embeddings 接口！
freewebsys的专栏
11-18 7361
•最先进模型的权重、训练代码和评估代码（例如Vicuna、FastChat-T5）。•基于分布式多模型的服务系统，具有Web界面和与OpenAI兼容的RESTful API。FastChat是一个用于训练、部署和评估基于大型语言模型的聊天机器人的开放平台。可以成功部署 bge-zh 模型进行 embedding 的向量化，还是非常方便的。经过实验，可以发现使用fastchat可以成功部署ChatGLM3 进行对话。需要python3的环境，因为启动模型，需要nvidia的镜像。
langchain-ChatGLM知识库问答使用本地pdf报错
weixin_50516745的博客
08-04 1268
报错的原因是路径中包含了“测试”这个中文，Faiss读取的时候会报错，将知识库的名称改为英文的就可以了。如下图，将“测试”改成了“pdf_test”。搭建好langchain-ChatGLM后，选中“知识库问答”，上传pdf之后出现错误。
LLMs之ChatGLM-3：ChatGLM3/ChatGLM3-6B的简介—“对话格式”功能介绍(推理系统如何解析参数/采用Python代码形式/编写工具调用的代码/Manual Mode)、推理演
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
11-10 7298
​ LLMs之ChatGLM3：ChatGLM3/ChatGLM3-6B的简介—“对话格式”功能介绍(推理系统如何解析参数/采用Python代码形式/编写工具调用的代码/Manual Mode)、推理演示(Chat/Tool/Code Interpreter)、微调(AdvertiseGen/ToolAlpaca)实现之图文教程攻略 目录 相关文章 ChatGLM3的“对话格式”功能的简介及其使用方法 ChatGLM3的推理演示 ChatGLM3的微调
Python学习笔记（三）（程序流程控制）
wsys_yysn的博客
04-24 967
条件语句：通过实现分支逻辑。循环语句for遍历序列，while满足条件时循环。流程控制break终止循环，continue跳过当前迭代，pass占位。异常处理保证程序健壮性。掌握这些流程控制工具，可以编写更灵活、高效的 Python 程序！
Python项目--基于计算机视觉的手势识别控制系统
exlink2012的专栏
04-23 2228
随着人机交互技术的快速发展，传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式，具有操作自然、交互直观的特点，在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。 本项目旨在开发一个基于计算机视觉的手势识别控制系统，通过摄像头捕获用户的手部动作，实时识别手势类型，并将识别结果转化为相应的控制命令，实现对计算机或其他设备的非接触式控制。
基于亚马逊云科技搭建企业问答系统
正在自我救赎的菜鸟。本人所有内容均不收费，可随意转发，复制
04-27 700
在当今信息密集的企业环境中，如何快速、安全地构建专属知识库成为提升效率的关键。本教程将手把手教你如何从零开始，借助 Amazon Bedrock 控制台与 DeepSeek 大语言模型，将企业内部文档转化为可交互的问答系统（RAG 架构）。无需任何编程经验，只需按照步骤操作，即可轻松完成搭建与体验。
Python基础语法3
yi_ren_yi_xin的博客
04-23 964
讲解Python中的函数、列表、元组、字典
深度解析@SneakyThrows注解：原理、应用与最佳实践
hi星尘的博客
04-24 863
是Lombok项目提供的一个实用注解，它允许开发者在代码中"偷偷地"抛出受检异常（checked exceptions），而无需在方法签名中显式声明。这个注解的名称"Sneaky"（偷偷摸摸的）非常形象地描述了它的行为特点。是一个强大但有争议的注解，它提供了处理受检异常的新思路，但也带来了类型安全和代码可维护性方面的挑战。合理使用可以使代码更简洁，特别是在Lambda表达式和特定接口实现场景中。然而，在业务关键代码和公共API中，传统的异常处理方式通常更为合适。最终建议：将。
python 3.14 暂不支持 pyside6 ？ python 窗体无法显示！
最新发布
业余编程
04-27 220
十天前 python-3.14.0a7 可以安装 pyside6 ，今天（2025.4.27）忽然就不能安装了，诡异不？
安装驱动后，黑屏和输入图像尺寸不匹配的解决和记录
河海大学研究生在读的学习笔记
04-24 421
安装驱动后，黑屏和输入图像尺寸不匹配的解决和记录
Python中使用Redis的参数
qq_21047625的博客
04-27 160
在使用redis-py时，你需要通过连接参数来配置与Redis服务器的连接。在使用这些参数时，请根据你的具体需求和Redis服务器的配置进行选择和设置。如果你正在迁移到新项目或更新现有项目，建议查阅最新的redis-py文档，因为库的更新可能会引入新的功能或更改现有功能的默认行为。描述：当使用Unix socket连接Redis时，指定socket文件的路径。描述：指定要连接的Redis数据库的索引，Redis默认有16个数据库。描述：指定在Python中使用的编码方式，通常用于处理字符串数据。
【人工智能】Ollama 负载均衡革命：多用户大模型服务的高效调度与优化
一个被知识诅咒的人
04-23 1043
在 **多用户大模型推理** 场景下，**负载均衡** 是确保高并发、低延迟的关键挑战。本文以 **Ollama**（一个流行的本地大模型运行框架）为例，深入探讨 **多用户请求调度、GPU 资源分配、动态批处理（Dynamic Batching）** 等核心技术。我们将从 **数学建模**（如排队论优化）、**代码实现**（Python + CUDA 优化）、**系统架构**（分布式调度）三个维度，提供一套完整的负载均衡解决方案。 文章包含 **4000+ 字** 的详细技术解析，涵盖 **请求优
02.Python代码Pandas - Series全系列分享(使用.特点.说明.取值.函数)
mobangde的博客
04-23 1151
保姆级详细分享了Pandas - Series的各种不同的声明语法及取值使用。也分享了Pandas - Series的特点及说明使用场景和所有函数
头歌 Pytorch 之Tensor 初探
12-10
- PyTorch的核心优势之一是动态图（Dynamic Graph）模式，这意味着在运行时可以追踪并计算梯度，这对于训练神经网络非常有用。 **实例**： ```python import torch # 创建一个张量 x = torch.tensor([[1., 2.], [3...
评论 1
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