书生·浦语大模型全链路开源体系

已于 2024-01-04 23:09:13 修改
阅读量373 收藏 9
点赞数 10
文章标签： 人工智能 语言模型
于 2024-01-04 23:07:47 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/zhjunqin/article/details/135397770
版权

书生·浦语大模型全链路开源体系

https://www.bilibili.com/video/BV1Rc411b7ns/

大模型成为热门关键词

从 A Survey of Large Language Models 2303.18223 论文中可以看到在这里插入图片描述
在 2022 年底 ChatGPT 发布后，arXiv 上包含 "large language model” 关键字的论文呈指数型增长。

大模型成为发展通用人工智能的途径

大模型出现后，AI 的发展从原来的针对特定任务训练一个特定的模型，转到一个通用的大模型应对多种任务，多种模态。
在这里插入图片描述

书生·浦语大模型开源历程

在这里插入图片描述
在这里插入图片描述
特别是 InternLM-20B 的开源大模型，全面领先相近量级的的开源模型。
在这里插入图片描述

如何从模型到应用

在这里插入图片描述

书生·浦语全链条开源开放体系

在这里插入图片描述

数据

在这里插入图片描述

预训练

在这里插入图片描述

高效微调框架 XTuner

在这里插入图片描述
在这里插入图片描述

OpenCompass 开源评测

在这里插入图片描述
在这里插入图片描述

LMDeploy 部署

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

LAgent 智能体

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
在这里插入图片描述

zhjunqin
关注
  • 10
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
书生·浦语大模型第二课
书生·浦语大模型全链路开源体系介绍
分享技术干货和灵感、推荐新书和好玩的项目、分享Java面试题
02-27 1036
书生·浦语大模型开源历程：书生·浦语大模型系列：以20B开源大模型为例，其性能全面领先相近量级的开源模型（包括Llama-33B、Llama2-13B以及国内主流的7B、13B开源模型），以不足三分之一的参数量，达到Llama2-70B水平。总之书生浦语是一个大模型全链路开源体系，为开发者提供了从数据集准备到模型训练、部署和应用的全套解决方案。通过该体系，开发者可以自由定制和扩展模型，满足不同场景下的需求。Prometheus+Grafana 实践派。
书生浦语大模型全链路开源体系
Andytl的博客
01-03 467
人工智能已从专用模型向大模型发展，专用模型是针对特定任务，一个模型解决一个问题。通用大模型是一个模型应对多种任务，多种模态。目前上海人工智能实验室发布的InternLM大语言模型可分为轻量级InternLM-7B，中量级InternLM-20B，重量级InternLM-123B（千亿级），均为开源可商用。AgentLego，多模态智能体工具箱，Lagent是提供智能体框架，而AgentLego是提供工具。LMDeploy，大模型部署方案，提供模型轻量化、推理和服务，与OpenAI接口兼容，方便迁移；
1.书生浦语大模型全链路开源体系
qq_47910543的博客
03-31 302
本次课程为第一次课程，对大语言模型的作用及训练流程进行了一个大致的介绍。
书生 浦语大模型全链路开源体系
han____shuai的专栏
03-30 407
书生 浦语 2.0体系，面向不同的使用需求，每个规格包含三个模型版本，（7B、20B）InternLM2-Base、InternLM2、InternLM2-Chat。大模型是回归语言建模的本质。采用了新一代的清洗过滤技术，例如，多维度数据价值评估，高质量语料驱动的数据富集，有针对性的数据补齐。书生大模型可以借助代码解释器来解答数学题和作数据分析的工作。全链路开放体系，包含预训练和有监督微调，导入专业知识。书生大模型开源了收集的数据集。书生 浦语大模型的开源历程。性能比肩GPT3.5。书生也开放了评测体系。
01 书生·浦语大模型全链路开源体系
Wzxdecsdn的博客
01-04 539
书生·浦语大模型全链路开源体系简介
书生浦语大模型实战课 第二课作业（更新）
04-04
书生浦语大模型实战课 第二课作业（更新）
书生 浦语大模型实战训练营第二期 第三节笔记
04-14
书生 浦语大模型实战训练营第二期 第三节笔记
书生浦语大模型实战课（第二期） 第二课作业
04-04
书生浦语大模型实战课（第二期） 第二课作业
OpenSNN推文：近期优质博客推荐汇总
opensnn的博客
07-12 310
国内个人博客站点众多，涵盖了技术、生活、艺术等多个领域。
AGI 之 【Hugging Face】 的【问答系统】的 [构建问答系统] / [ 构建基于评论的问答系统 ] 的简单整理
仙魁XAN
07-12 822
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。AGI能做的事情非常广泛：跨领域任务执行：AGI能够处理多领域的任务，不受限于特定应用场景。自主学习与适应：AGI能够从经验中学习，并适应新环境和新情境。
聊聊如何在内网下构建大模型微调环境
python1234567_的博客
07-12 828
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
阿里发布大模型发布图结构长文本处理智能体，超越GPT-4-128k
夕小瑶科技说
07-09 917
随着大语言模型的发展，处理长文本的能力成为了一个重要挑战。虽然有许多方法试图解决这个问题，但都存在不同程度的局限性。最近，阿里巴巴的研究团队提出了一个名为GraphReader的新方法，通过将长文本组织成图结构，并利用智能体来探索这个图，成功提升了模型处理长文本的能力。GraphReader的核心思想是将长文本分解成关键元素和原子事实，构建成一个图，然后让智能体在这个图中探索和推理。这种方法不仅能有效处理超长文本，还在多跳问答等复杂任务上取得了优异表现。
CV06_Canny边缘检测算法和python实现
https://github.com/foxpup11?tab=repositories
07-11 848
https://www.bilibili.com/video/BV1qU4y1U7aK/?spm_id_from=333.337.search-card.all.click&vd_source=7dace3632125a1ef7fd32c285eb2fbac
人力资源人工智能依赖于良好的数据
yongyoudayee的博客
07-12 735
人力资源不断发展(HR)人工智能在技术领域(AI)它已经成为改变游戏规则的力量。人工智能驱动的工具有望简化人力资源流程，提高管理能力，彻底改变员工体验。然而，这些人工智能解决方案的有效性仅取决于算法的复杂性或计算硬件的能力。事实上，这种模式的很大一部分取决于一个基本的——良好的数据。
sklearn基础教程：掌握机器学习入门的钥匙
最新发布
AIGC绘图领域探索者，热衷于将创意与技术融合，致力于分享前沿AI绘图技巧与心得，让我们一起开启视觉艺术的新篇章。
07-13 752
是基于Python的一个开源机器学习库，它建立在NumPy、SciPy和matplotlib之上，提供了大量的算法和工具，用于数据挖掘和数据分析。无论是简单的线性回归，还是复杂的神经网络，sklearn都能提供直观易用的接口。作为Python中最为流行的机器学习库之一，以其简洁的API、丰富的算法和强大的功能赢得了广大用户的青睐。通过本文的介绍，相信你已经对sklearn有了初步的了解，并能够开始进行一些基础的机器学习任务。
7.深度学习概述
MechMaster
07-10 965
1. 线性回归 1.1 线性回归一般表达式 1.2 线性回归内积表达方式： 1.3 多个样本时，线性回归的进一步表达： 1.4 线性回归方程的解析 1.5 线性回归就是求loss函数的最小值 2. 如何求函数最小值 2.1 一个例子 2.2 求导法——求最小值 2.3 求导法存在的问题 2.4 迭代法——求最小值 3. 代码实现 3.1 手动求函数最小值 3.2 使用pytorch求函数最小值
LaneNet(1):网络结构详解
m0_51579041的博客
07-13 572
LaneNet(1):网络结构详解

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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