FINE TUNING
大模型微调教程:小模型微调实战指南
构建运行快速、成本低廉且超越通用模型的专业AI
FINE TUNING
构建运行快速、成本低廉且超越通用模型的专业AI
LLM
我从2023年到现在进行了几次实验,最新的是使用Gemma 4。在所有这些之后,我得出了一个许多人也达成的结论:微调LLM以注入知识通常不值得努力。
MODEL-ZOO
本文将带领大家了解LLM微调的过程以及人们常犯的错误,至少是我自己在Kaggle上进行简单SFT(监督微调)时犯的错误。
TOOL
微调效果如何仍然取决于三个因素:模型大小、硬件能力和所选择的框架。
MODEL-ZOO
在RidgeRun.ai,我们开始开发自己的小规模、本地运行的函数调用模型,有几个重要的原因。
MODEL-ZOO
人们认为可以通过微调注入知识。他们错了。
MODEL-ZOO
本文将检查一个手写数字数据集、对其进行标注,并使用它来创建一个专门用于提取手写文本的微调后的Qwen 2.5 VL。
APPLICATION
无论你的LLM应用设计用来做什么,用户总会尝试让它为他们写作业。在本文中,我们将探讨一种务实的方法,在用户查询到达你的大型语言模型(LLMs)之前对其进行过滤。
TOOL
在本教程中,我们将借助 mlx-lm 包加载Mistral-7B-Instruct-v0.3–4bit 模型,并使用LoRA对其进行微调。
MODEL-ZOO
CLIP 是一种流行的多模态嵌入模型,它使用对比学习在大量图像-标题对语料库上进行训练。 CLIP可以解锁零样本能力,例如图像分类、搜索和字幕。
MODEL-ZOO
在这篇博文中,我们将逐步指导你在消费级 GPU 上使用 LoRA(低秩自适应)和 Unsloth 对 DeepSeek-R1 进行微调。
MODEL-ZOO
ModernBERT 是最近发布的传统 BERT 模型的改进版本,本文将深入研究针对文本分类任务对 ModernBERT 进行微调。