首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 第一性原理以及第一性原理是怎么帮马斯克成为首富的
· 爆火的“哄哄模拟器”,它是如何炼成的?Prompt泄漏了
· AI声音克隆 | 最全最简教程(权威版)
· ComfyUI官方使用手册【官网直译+关键补充】
· Coze多智能体(Multi-Agents)模式体验!
· Github上Star数最多的大模型应用基础服务:Dify 深度解读
· Stable Diffusion 30分钟打造AI 写真照片生成器|海马体照相馆这次真的要木得了
· 从第一性原理看大模型Agent技术
· 精通百种语言的翻译AI来了!Meta推出,免费、开源!
· 6个最佳开源TTS引擎
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
大模型
大模型实践总结
大模型实践文章 下面是最近大模型实践过程中的一些文章,配套代码放置在GitHub:llm-action LLM训练: LLM 预训练/微调/
RLHF
大模型
训练
大模型
人话聊AI大模型:AIGC如何助力营销的秘密(上)
此外,Stability.AI还发布了基于
RLHF
的开源LLM聊天机器人——StableVicuna。
大模型
大模型
什么情况用Bert模型,什么情况用LLaMA、ChatGLM类大模型,咋选?
这里需要指出后续
RLHF
也很重要,我罗列在这里,抛砖引玉。
大模型
大模型
通俗解读大模型微调(Fine Tuning)
一个是监督式微调SFT(Supervised Fine Tuning) ,这个方案主要是用人工标注的数据,用传统机器学习中监督学习的方法,对大模型进行微调; 一个是基于人类反馈的强化学习微调
RLHF
大模型
微调
LLM
2023年LLM如何入门?请看这篇综述!
2.3
RLHF
(reinforcement learning from human feedback)三阶段
RLHF
是使用强化学习算法来对模型进行微调,以使其更好地适应特定的任务或应用场景。
大模型
教程
吴恩达Prompt教程之总结图解
首先需要从大量文本数据中训练处一个Base LLM,随后使用指令和比较好的输入输出去进一步训练(微调、优化)LLM,在训练过程中,输入和输出都是作为指令给到LLM,要求Base LLM去遵循这些指令,然后,使用
RLHF
prompt
教程
吴恩达
Prompt
自动优化Prompt:Automatic Prompt Engineering的3种方法
以第三点为例,读者可以根据用户的反馈数据,训练一个reward model作为评价者,运行automatic prompt engineering框架,优化现有的Prompt,这一点和
RLHF
有异曲同工之处
prompt
大模型
大模型
预训练对话大模型深度解读
基于人类反馈的强化学习(
RLHF
) 从人类反馈中学习 通过人来的偏好训练奖励模型,使用PPO算法优化策略模型(即生成模型) 将模型的输出结果对齐至人类偏好
微调
NEFTune:在Embedding中加入噪⾳提⾼指令微调效果!
这个模型已经经过了⼴泛的调优,使⽤了多轮的
RLHF
。
NEFTune
大语言模型
大模型
金融行业的开源AI大模型
FinGPT提供了多种数据集和多任务金融LLM模型,用于情感分析、金融关系提取和问答等任务,并能够有效、低成本地适应金融领域的动态变化,并利用“人类反馈强化学习(
RLHF
)”技术进行个性化学习。
开源
大模型
文心一言
揭秘Baichuan 3超越GPT-4的中文实力!文心一言、GLM 4.0也甘拜下风?全方位对比测试大揭秘!
业界巨头如OpenAI、Google等已率先尝试,通过
RLHF
和RLAIF技术强化模型的对齐能力。
Baichuan
3
大模型
微软
2.7B能打Llama 2 70B,微软祭出「小语言模型」!96块A100 14天训出Phi-2,碾压谷歌Gemini nano
Phi-2是一个基础模型,它没有通过人类反馈的强化学习(
RLHF
)进行对齐,也没有经过微调。
小语言模型
最顶尖的大语言模型人才,只关心这10个挑战
08提升从人类偏好中学习的能力
RLHF
(Reinforcement Learning from Human Preference,从人类偏好中进行强化学习)很酷,但有点繁琐。
大语言模型
Google
再超Transformer!Google| 提出两个新模型(Griffin、Hawk),强于Mamba,更省资源
当考虑其他语言应用,如基于人类反馈的强化学习(
RLHF
)或评分语言模型输出(如 AlphaCode 中所做的)时,这个属性是有吸引力的,因为能够在给定时间内输出大量 token 是一个吸引人的特性。
transformer
训练
大模型
开源大模型部署及推理所需显卡成本必读:也看大模型参数与显卡大小的大致映射策略
调整后的版本使用监督微调(SFT)和带有人类反馈的强化学习(
RLHF
)来适应人类对有用性和安全性的偏好。
开源模型
<
1
2
3
4
5
>
1
2
4
5
6
7
8
9
100