架构师李哲
文章
专栏
问答
AIAIGC开源大模型
在很多人心里，“顶级推理能力”这几个字，长期等于三个关键词：闭源、大厂、昂贵。GPT-5、Gemini 3.0-Pro 像是少数玩家才能摸到的天花板，开源模型更多还停留在“追赶者”的角色。12月1日，DeepSeek发布的新一代的“双机组合”——V3.2 和 V3.2-Speciale，把这套共识拧了一下：一边是在综合推理上对齐 GPT-5、并且 MIT 协议开源的主力模型 DeepSeek-V3
6
0
0
0
大模型AI解决方案
很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险。
这背后，其实就是一个核心问题：对齐（Alignment）。
预训练让模型会“说话”，但对齐训练，才让模型更符合人类偏好：更有用、更安全、更有温度。在当下的大模型时代，有三种常被提到的对齐方法：PPO、DPO和KTO。
本期，LLaMA-Factory Online将用尽量
211
0
0
0
AIAI生态人工智能
微调7b模型至少要什么显卡？算力低一些的总感觉比不过别人...有没有一种可能，让我普通老百姓也用用H卡？
以上问题是否曾是干扰大家做出选品决策的苦楚？别急，本文将从底层逻辑到实战方案，帮你彻底理清选卡思路。顺带一提，普通人也能接触H卡，只要你的电脑能连上网！已经没有选择焦虑、但想挑战大模型微调训练上限的朋友们，可以直接翻到后面看如何平价入手了！ 选卡并非越贵越好，而是追求预算与需求的最优匹配。请先
49
0
0
0
大数据最佳实践技术解析Agent
就在百度世界大会前夕，全球最具影响力的大模型评测平台LMArena发布的最新排名，让海外开发者社区发出了"Baidu is back?"的惊叹。这份发布于2025年11月初的榜单显示，国产大模型在中文竞技场上实现了对国际顶尖模型的全面反超，这一突破性进展恰如其时地展现了中国AI技术的迅猛发展。在LMArena最新发布的排名当中，文心全新模型ERNIE-5.0-Preview-1022首次上榜，就登
255
0
0
0
大数据最佳实践行业趋势技术解析
当大模型陷入“数据饥渴”，我们是否只能无止境地堆砌算力与语料？新加坡国立大学的最新研究给出了否定答案。本期将深入解读其提出的扩散语言模型（DLM），揭示它如何在有限数据下实现比肩甚至超越自回归模型的性能——这不仅是一场技术路径的革新，更可能是破解当前AI训练数据瓶颈的关键密钥。聚焦过去一周AI领域最具热度与争议性的技术动态与行业事件。快速筛选并解读热点背后的逻辑与影响，追踪技术浪潮的脉搏。
LLM
24
0
0
0
AI最佳实践行业趋势技术解析
在人工智能浪潮席卷的今天，一个曾经只存在于科幻作品中的概念正在成为现实：每个人都能拥有专属的"数字分身"。想象一下《钢铁侠》中的经典场景：托尼·斯塔克的智能管家"贾维斯"能够精准理解主人的需求，自主处理各种事务。现在，这样的智能助手不再遥不可及——当你结束一天的工作，你的数字分身正在与客户进行专业交流，每句话都带着你特有的表达习惯；当朋友发来咨询，它能用你习惯的幽默语气给出建议；甚至当家人需要陪伴
19
0
0
0
大数据人工智能AIGC大模型
遇到劳动纠纷，你是否也面临这样的困境？翻遍《劳动法》，却找不到能精准对应自身情况的条款。想咨询律师，又因费用高昂、案情梳理不清而难以获得有效指导。试图与公司协商，却因不熟悉法律术语，被HR几句“专业说辞”轻易劝退。上述痛点，正是大模型技术能够发力之处。然而，通用大模型虽强，其知识的静态滞后性与专业领域的“幻觉”问题也尤为突出。为此，我上周在LLaMA-Factory Online的「实例空间」中，
22
0
0
0
大模型最佳实践低代码云计算
凌晨一点，突发剧烈头痛，视力也开始模糊。在这种紧急情况下，使用通用AI助手寻求建议，往往只能得到“请及时就医”这样正确但无用的回答。用户真正需要的，是具备初步症状识别、风险评估和就医指引能力的专业助手。
这正是当前通用大模型在医疗场景中的典型短板：缺乏专业医学知识体系，无法进行症状关联分析回答过于保守，难以提供具针对性的分级建议无法识别症状组合背后的潜在疾病类型差异现在，通过LLaMA-Facto
61
0
0
0
AI最佳实践行业趋势Agent
想和康熙皇帝斗嘴？想让林黛玉聊聊元宇宙？过去这只能是幻想，直到我亲手微调了一个AI“韦小宝”。“踢你踢你！”当我向微调前的通用大模型发出这句康熙皇帝的戏言时，它回复我：“作为一个人工智能，我无法理解您的意图……”冰冷的回复，道出了通用AI在角色扮演上的核心短板：人设崩塌：无法持续维系角色的性格、语气和背景知识。缺乏灵魂：回答正确但枯燥，没有角色的“精气神”。互动生硬：像在和一个披着角色外衣的搜索引
110
0
0
0
AI人工智能大模型人工智能与算法
本篇文章深入分析了大模型微调的底层逻辑与关键技术，细致介绍了包括全参数微调（Full Parameter Fine Tuning）、LoRA、QLoRA、适配器调整（Adapter Tuning）与提示调整（Prompt Tuning） 在内的5种主流方法。文章将详细讨论每种策略的核心原理、优势劣势与最佳适用场景，旨在帮助您依据计算资源与数据规模与性能要求与部署成本，在面对如何为您的特定任务从众
89
0
0
0