LoRA与训练目标是解耦的，但本文设定就是语言模型建模。以下将给出语言建模（可自然推广到序列建模）的基本符号定义，即最大化给定提示的条件概率（本质是极大似然估计）。给定一个参数为ΦΦ预训练的自回归语言模型PΦ(y|x)PΦ(y|x)。xx为输入，yy为输出note: 为与原文符号一致，下文ΦΦ、ΘΘ、WW均表示模型参数全参数微调每次full fine-tuning训练，学一个 ΔΦΔΦ，|ΔΦ||

自从 ChatGPT 诞生以来，大模型技术在业界可谓炙手可热，人们从最初的惊叹到现在广泛应用，而人工智能的下一个引爆点很有可能就是 AI Agent。《大模型应用开发：动手做 AI Agent》从零基础出发，介绍了 Agent 的定义、特性与技术架构，还对构建 Agent 的 AI 技术工具进行了详细讲解，最后以 7 个实战项目展示了 Agent 开发的方法。本书的一大特点是。

本文旨在了解两种微调大型语言模型方法之间的差异：完全微调和低秩自适应 (LoRA)。这两种方法都用于将预训练模型适应特定的下游任务，但它们却有所不同。微调（Fine-tuning）是将经过预训练的大语言模型应用于下游任务的关键范例。最近，低秩自适应 (LoRA) 等方法已被证明可以在各种任务上达到完全微调模型的性能，同时可训练参数的数量却大大减少。这就提出一个问题，即它们学到的解决方案真的等效吗？

阿里达摩院推出的大模型，拥有千亿参数，可用于智能问答、知识检索、文案创作等场景。

随着AIGC的爆火，各种应用开始不断出现，AI绘画便是其中的一个典型案例。目前最火的AI绘画模型当属Stable Diffusion，但是目前有关Stable Diffusion的文章并不多，主要偏向应用介绍，对于如何处理输入文字以及去噪过程的具体细节，这方面的文章还是比较少，写这篇文章的目的就是希望能把Stable Diffusion讲清楚，让更多人的了解。AIGC（AI Generated C

FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力，它背后依赖OneApi开源项目来访问各种大语言模型提供的能力。各大语言模型提供的访问接口规范不尽相同，为此OneApi项目提供了统一的API接口去对接各种大语言模型。FastGPT的部署架构如图所示：本文章将介绍如何部署OneApi和FastGPT，以及两种在线大语言模型（和）的配置方法。

就像人类画家有不同的画风，AI作画的风格也多种多样，各有千秋。同样的画面，用不同的模型表现出来，就像换了不同的滤镜，效果截然不同。对大部分的大模型而言，生成人物肖像、尤其是女性肖像时，默认情况都是偏欧美风的，这样其实并不符合我们的审美。**2.5D 侠客：**介于两者之间，既有真实感又有立体感，像是从 3D 游戏或动画里蹦出来的。下面推荐一些江湖上响当当的名号，供大家按需索骥（切记，模型无优劣，全

你听说过“AI训练师”吗？今年2月,“AI训练师”正式成为新职业并纳入国家职业分类目录。这到底是个啥职业？有何发展前景？夸克搜索AI训练师小寇与我们分享了他的故事。小寇成为一名AI训练师完全是机缘巧合。在上一家公司内部架构调整后，他从传统互联网产品经理摇身一变成为AI训练师。从进入完全陌生的AI业务到现在，已有3年时间。“我们发现很多用户在识图搜索时，出于好奇会自拍人脸。于是，我们赋予AI对颜值进

基于PDFPlumber将pdf中的文字部分提取出来，得到words集合，并基于words位置关系检测文本行（lines）。

阿里达摩院推出的大模型，拥有千亿参数，可用于智能问答、知识检索、文案创作等场景。