AI技术文档
AI技术文档概览
📎34-基于lora的llama2二次预训练.pdf
📎50-图解分布式训练（六）—— Pytorch的 DeepSpeed 详细解析.pdf
📎42-大模型（LLMs）显存问题面.pdf
📎31-大模型（LLMs）推理面.pdf
📎37-大模型（LLMs）强化学习——RLHF及其变种面.pdf
📎40-大模型（LLMs）训练集面.pdf
📎49-图解分布式训练（五） —— AMP混合精度训练 详细解析.pdf
📎51-图解分布式训练（七）—— accelerate 分布式训练 详细解析.pdf
📎52-图解分布式训练（八）—— ZeRO 学习.pdf
📎36-大模型（LLMs）强化学习面.pdf
📎45-图解分布式训练（一） —— 流水线并行（Pipeline Parallelism）.pdf
📎25-Graph RAG 面 — 一种 基于知识图谱的大模型检索增强实现策略.pdf
📎46-图解分布式训练（二） —— nn.DataParallel篇.pdf
📎47-图解分布式训练（三） —— nn.parallel.DistributedDataParallel.pdf
📎48-图解分布式训练（四） —— torch.multiprocessing 详细解析.pdf
📎41-大模型（LLMs）LLM生成SFT数据方法面.pdf
📎39-强化学习在自然语言处理下的应用篇.pdf
📎24-大模型（LLMs）RAG 优化策略 —— RAG-Fusion篇.pdf
📎38-大模型（LLMs）强化学习—— PPO 面.pdf
📎23-大模型（LLMs）RAG —— 关键痛点及对应解决方案.pdf
📎33-增量预训练（Pretrain）样本拼接篇.pdf
📎22-检索增强生成(RAG) 优化策略篇.pdf
📎26-大模型（LLMs）参数高效微调(PEFT) 面.pdf
📎27-适配器微调（Adapter-tuning）篇.pdf
📎8-大模型（LLMs）进阶面.pdf
📎19-大模型外挂知识库优化——如何利用大模型辅助召回？.pdf
📎6-LLMs 损失函数篇.pdf
📎20-大模型外挂知识库优化——负样本样本挖掘篇.pdf
📎21-RAG（Retrieval-Augmented Generation）评测面.pdf
📎14-基于LLM+向量库的文档对话 经验面.pdf
📎18-大模型（LLMs）RAG 版面分析——文本分块面.pdf
📎12-多轮对话中让AI保持长期记忆的8种优化方式篇.pdf
📎17-大模型（LLMs）RAG 版面分析——表格识别方法篇.pdf
📎5-transformers 操作篇.pdf