快速记忆口诀“均衡看准率，误伤看精确；漏检看召回，两难看 F1。”只要先搞清“正类是谁、错误代价怎么量化”，再对号入座，你就能选对评估指标，给微调找准方向。

量化是通过减少模型参数的精度（如从32位浮点数降为8位整数）来压缩模型体积、加速计算、降低对硬件的依赖，从而提升模型部署和推理效率。

量化是通过减少模型参数的精度（如从32位浮点数降为8位整数）来压缩模型体积、加速计算、降低对硬件的依赖，从而提升模型部署和推理效率。

微调不是“一把尺子量到底”的工具，而是需要结合算力、任务、时间、产品目标做出的策略选择。大模型时代，更灵活、更可控的增量微调正在成为现实世界落地的关键。学会选择适合自己的微调方式，才能让大模型真正为你所用！全量微调像“让一个人从头开始训练”，局部微调是“只改一部分”，增量微调则是“加外挂”。

Base 是未经微调的通用模型，适合研究。Chat 优化对话，适合交互式场景。Instruct 优化任务执行，适合指令导向应用。Bit 表示量化，适合资源受限环境。Distill 表示通过知识蒸馏生成的小型高效模型

本文主要介绍如何通过docker拉去镜像，实现dify的本地登录。

Function Calling技术正在重塑企业智能化转型的技术路线。掌握以下核心能力将成为开发者的关键竞争力：复杂系统API的语义化封装能力多模态工具链的编排设计能力安全与性能的平衡艺术业务语义的深度理解能力建议开发者重点关注工具编排框架（如LangChain, Semantic Kernel）的演进，同时深入垂直行业理解业务场景，这将是在大模型时代构建差异化竞争力的关键。

偏置项不是多余的小数值，而是让模型从“死板判断”变成“灵活思考”的关键组件。

▲python安装；▲编写第一个python脚本

BLEU：如果你和别人玩“找出相同的单词”游戏，你找到的相同单词越多，得分越高。ROUGE：如果你和别人玩“找出包含相似意思的单词”游戏，你找到的相似意思单词越多，得分越高。