登录社区云，与社区用户共同成长
邀请您加入社区
vLLM-Ascend 推理服务构建与优化
2025 最新！10个AI论文工具测评：本科生毕业论文写作全攻略2025年AI论文工具测评：为什么你需要这份指南随着人工智能技术的不断进步，越来越多的本科生开始依赖AI工具辅助毕业
8个降AI率工具推荐！本科生高效避坑指南AI降重工具：高效应对论文查重的“秘密武器”在当前高校论文写作中，越来越多的学生开始关注“AIGC率”的问题。随着AI生成内容技术的普及，许
本文系统梳理了强化学习在大模型偏好对齐中的应用。首先介绍强化学习核心机制与传统监督学习的区别，然后详细阐述PPO、GRPO、DAPO等主流算法在大语言模型中的实践，包括InstructGPT、DeepSeekMath等典型案例，最后探讨强化学习在推荐大模型中的创新应用，展示了不同领域reward设计的差异化考量。
人工智能AI算法推荐之番茄算法推荐证实其算法推荐规则技术解析·卓伊凡
摘要：本文详细记录了在昇腾NPU上部署测试DeepSeek-OCR模型的全过程。作者从OCR技术发展历程切入，介绍了从传统模板匹配到深度学习驱动的技术演进，重点评估了DeepSeek-OCR在多语种识别、复杂场景适应性的表现。通过在GitCode Notebook的昇腾910B环境中完成模型部署，测试了包括印刷体、手写体、多语种混合等5种典型场景，结果显示该模型平均推理时间1.23秒/张，显存占用
文章详解大语言模型(LLM)的核心概念、工作原理及Prompt Engineering技巧。LLM通过海量文本训练和Transformer架构，在达到一定规模后涌现出理解、推理能力。尽管擅长文本生成与对话，但存在事实幻觉等弱点。文章强调学习大模型技术的重要性，提供系统学习路径，帮助读者从零入门到实战应用。
通过这篇文章，我们对主流的一些大模型有了初步了解。进一步，我们了解了大模型的任务类型，知道了什么样的应用场景是基于什么样的模型任务完成的，也知道了训练模型具备这些任务能力的训练方法以及底层技术。通过了解这些内容，我们可以结合自己的实际业务，从原理上思考大模型的业务落地应用场景。例如，如果你的业务是一个写作助手，考虑到大模型有文本生成能力，可以在业务里加入大模型辅助写作的场景。如果你的业务是一个简历
学长亲荐9个AI论文工具，研究生轻松搞定毕业论文！AI 工具助力论文写作，轻松应对学术挑战在研究生阶段，撰写毕业论文是一项既重要又复杂的任务。随着人工智能技术的不断进步，越来越多的
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
昇腾开源生态专区
2048 AI社区
