模型基础 – XROBOT

简介：本文通俗解析大模型微调核心方法：全量微调（效果好但显存昂贵、易遗忘）、LoRA（冻结原权重，低秩矩阵高效适配，适合注入领域知识）、P-Tuning（学习软提示，擅长安排风格与指令）。厘清术语差异，给出实战选型建议与关键参数调优要点，助开发者跨越入门门槛。...

QLoRA（Quantized LoRA）详解

前言 QLoRA[1]的作者Tim Dettmers是一个在模型量化颇有建树的大佬，而且参加了谷歌的BLOOM的工程化建设。模型量化和大模型的PEFT（Parameter-Efficient Fine-Tuning）有一个共同点是它们都希望模型计算能够更快。...

数字时代，人工智能AI和机器学习技术的快速发展，人们的生活和工作模式正在经历一场前所未有的变革，CPU、GPU、TPU、NPU等作为科技领域重要组件，都可看作是机器的大脑，在各自领域发挥着重要作用，各有千秋。...

简介：本文简明扼要地解释了深度学习中的两个核心概念——鲁棒性和泛化能力，并深入探讨了它们之间的区别与联系。通过实例和生动的语言，帮助读者理解这些复杂技术概念在实际应用中的重要性。工信部教考中心大模型证书-初/中/高特惠来袭！官方权威认证，学习+证书+落地，一步到位，...

在谈论AI模型性能时，人们常常会看到一个关键词：“鲁棒性”。尤其是当某产品表示有鲁棒性优势或鲁棒性强时，用户更愿意投来关注的目光。话说回来，到底什么是鲁棒性？它和人工智能产品有怎样千丝万缕的联系？与人们颇为关注的泛化能力又有怎样的关联？如何提升产品的鲁棒性？如果你也好奇，...