【书生·浦语大模型全链路开源体系】学习笔记

已于 2024-07-16 20:13:01 修改
阅读量499 收藏 6
点赞数 7
文章标签： 学习 笔记
于 2024-01-05 20:24:22 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_64546620/article/details/135417154
版权

在这里插入图片描述

从模型到应用

  • 模型：书生·浦语 ==> 应用：智能客服/个人助手/行业应用
  • 在这里插入图片描述

全链路开放体系

在这里插入图片描述

数据

多模态融合

在这里插入图片描述

精细化处理

在这里插入图片描述

价值观对齐

在这里插入图片描述

预训练

在这里插入图片描述

微调

在这里插入图片描述

评测

在这里插入图片描述

部署

在这里插入图片描述
在这里插入图片描述

智能体

在这里插入图片描述

在这里插入图片描述

尘汐筠竹
关注
  • 7
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1674
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！
关于书生·浦语大模型全链路开源体系的笔记
GYX67的博客
07-21 405
从当下图标中我们可以看出大模型的发展趋势。当前，大模型已经成为发展通用人工智能的重要途经，它也逐渐从专业模型转变成通用模型。下面是书生·浦语大模型的发展历程。
书生·浦语大模型全链路开源体系学习笔记
littleheart88的博客
02-20 219
第二部分，对书生·浦语全链路开源体系进行了介绍，从数据、预训练、微调、部署、评测以及落地应用几部分分别展开，描述了书生·浦语体系具备的能力以及提供的工具，能够达成的效果以及行业情况对比。课程从大模型的发展史开始进行展开，对大模型的基础知识进行详细的介绍，特别是从模型到应用如何落地进行了具体的阐述。通过课程的学习，不但加强了对大模型的认识，也对书生·浦语的大模型体系有了进一步的理解和体会。
学习笔记～书生浦语大模型全链路开源体系
m0_68405343的博客
05-21 362
从模型到应用，1.选模型2.业务场景3.模型微调4，算力评估5，模型是否需要做交互6，构建智能体7，模型评测，部署和上线。书生浦语大模型InterLM2千亿参数大模型，书生万卷1.0，了解书生整个开源历程。大模型成为发展通用人工智能的重要途径，专用模型到通用模型的发展转变趋势。超长上下文，优秀对话和创作体验 工具调用能力整体升级 突出的数理能力。代码解释器提升其算学能力，模型的实用数据分析功能，使用机器学习的算法。举例：模型作为AI助手，人文关怀的对话 想象力的创作。1，新一代数据清洗过滤技术。
大模型全链路开源体系（学习笔记）
weixin_43681522的博客
04-21 1418
随着国内央企通用人工智能的兴起，为打造大模型生态应用，各类比赛也比较火热，近期看到了上海人工智能实验室在做的书生浦语大模型，繁忙的工作之余有些业余时间跟小伙伴一起学习、打比赛，是学习笔记，也是作业。2024年1月17日，InternLM 2 已经开源，面向不同的使用需求，每个规格包含三个版本。- 7B 适用轻量级的研究和应用。- 20B 可有效支持更加复杂的使用场景。--可塑性的模型基座。--在Base的基础上，在多个能力方向进行了强化，大部分应用中考虑适用的优秀基座。
书生·浦语大模型全链路开源体系 学习笔记 第二课
sinat_41838539的博客
01-08 607
课程文档，对应操作即可。
书生·浦语大模型全链路开源体系 学习笔记 第三课
sinat_41838539的博客
01-09 786
2、版本需要旧版，pip install huggingface_hub==0.20.1。1、确保环境已将安装huggingface-cli。
学习笔记：书生·浦语大模型全链路开源体系
2401_83572169的博客
06-30 283
2，“理科”能力和模型尺寸关联性高：在语言和知识这类“文科”维度，中轻量级模型和重量级/闭源商业模型差距较小，但数学、推理、代码等维度上，性能和尺寸呈现较强相关性。4，模型主客观性能需综合参考：大量开源模型和API模型的客观性能和主观性能存在较大的偏差，社区仅仅需要夯实客观能力基础，更需要在偏好对齐和对话体验上下功夫。在 Base 基础上，在多个能力方向进行了强化 ，在评测中成绩优异，同时保持了很好的通用语言能力，是我们推荐的在大部分应用中考虑选用的优秀基座。有7B和20B两个规格。
书生·浦语大模型全链路开源体系学习随笔
2301_78630375的博客
06-27 223
相对简单等特点，对设备、推理、服务提出了技术挑战，对应的部署方案具备。1.通用大模型的核心在于，使用一个模型应对具有。3.大模型本质上其实是在做语言建模这件事情。4.书生浦语2.0的亮点。
书生·浦语大模型全链路开源体系笔记
m0_74331527的博客
06-08 296
书生·浦语大模型全链路开源开放体系笔记
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·浦语大模型第二课
03-04
根据提供的信息，“书生·浦语大模型第二课”似乎是指一次课程或者教学活动的内容，主要涉及“浦语大模型”的相关内容。虽然提供的信息较为有限，但从这些线索中，我们可以推测出这可能是一次关于自然语言处理（NLP...
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...
【第1节】书生·浦语大模型全链路开源开放体系
熊猫小妖的AI世界
04-17 1388
书生·浦语 InternLM介绍InternLM 是在过万亿 token 数据上训练的多语千亿参数基座模型。通过多阶段的渐进式训练，InternLM 基座模型具有较高的知识水平，在中英文阅读理解、推理任务等需要较强思维能力的场景下性能优秀，在多种面向人类设计的综合性考试中表现突出。在此基础上，通过高质量的人类标注对话数据结合 RLHF 等技术，使得 InternLM 可以在与人类对话时响应复杂指令，并且表现出符合人类道德与价值观的回复。
书生·浦语大模型全链路开源体系（LLM/AGENT/多模态/应用部署）从入门到精通
熊猫小妖的AI世界
04-17 921
书生浦语LLM大模型教程
软件测试学习笔记丨Pytest配置文件
ceshiren_com的博客
08-27 4269
pytest.ini是pytest的配置文件；可以修改pytest的默认行为；不能使用任何中文符号，包括汉字、空格、引号、冒号等。
【学习笔记】卫星通信NTN 3GPP标准化进展分析（六）- 参考标准
最新发布
u011376987的博客
09-01 477
本文总结了NTN标准化进程以及后续的研究计划，是学习NTN协议的入门。本文来自3GPP Joern Krause, 3GPP MCC。
SpringCloud Alibaba】（十三）学习 RocketMQ 消息队列
sco5282的博客
09-01 777
引入MQ最大的优点就是异步解耦和流量削峰，但是引入 MQ 后也有很多需要注意的事项和问题，主要包括：系统的整体可用性降低、系统的复杂度变高、引入了消息一致性的问题。重新打开 cmd 命令行，进入 RocketMQ 的 bin 目录，在命令行输入如下命令调用 RocketMQ 自带的消费者程序消费 RocketMQ 中的消息。下单成功后将订单的信息发送到 RocketMQ，然后用户微服务订阅 RocketMQ 的消息，接收到消息后进行打印。说明生产者发送到 RocketMQ 的消息，被消费者成功消费到了。
AI实践与学习8-AI Agent Workflow助力解题和验证答案置信度
xiaosi的博客
08-30 421
之前在试着提高解题正确率，目标100%，发现外部知识不足仅依靠大模型的话比较困难。而试题人工生产成本巨大。本质因为大模型生成内容会有幻觉特点，也就是说解答的试题正确性不太好评判，直接解答试题生产场景不太可控。后面考虑调用OpenAI解题的时候，像xxx那样通过输出置信度来帮助判断答案的正确性 or 其他形式只要能保证LLM生成答案是可靠（程序判断）的。
书生浦语大模型实战课：解决配置与端口问题
"书生浦语大模型实战课的第二课作业中，学员们通过视频教程进行学习，但在实际操作中遇到了一系列问题，包括端口配置、权限不足、端口被占用以及URL无法打开等。这些问题主要围绕SSH免密登录和端口占用问题展开。在...
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