参加过了两期夏令营，本来可以直接拿着证书去申请一个实践证明美滋滋地把分加（怎么是分nu啊恼），DataWhale的人工智能教程不得不说是本人目前见过的，做得做好的，于是我跟着又报了第五期的夏令营。在训练数据（2017-2020年的数据）上，该模型的平均误差为480，即预测的观看次数与实际观看次数的平均差异约为500人。目标：假设想要预测一个视频频道未来的观看次数，以便了解频道的流量和潜在的获利能力

托实验室老师的福，寒假弄过llama2-7B的微调，本来想趁着这个时间再深入学习，但是因为时间关系，模型微调深入研究只能留着开学后再弄了。当前还是一个人捣鼓着Hoshino的雏形，哎，慢慢来吧。函数通过处理输入和输出文本，将它们转换为适合Transformer模型处理的格式，并考虑了中文分词的特性以及模型对输入长度的限制。模型微调，是一个很关键的步骤（废话）。AI跑云端，用的python。本地拿e

上期简单地跑了一下Yuan2.0大模型，没有经过训练的模型确实是有一点“笨笨”的。这次呢就需要我小试牛刀了。因为对其他方向的主题没有太好的预想解决方案，以及个人还是对AI编程助手的制作提前下定决心，所以这次就做一个AI编程助手软件了。至于项目名称呢，“随便”起个就叫Hoshino Project好了。（为什么叫这个名字因为我喜欢小鸟游星野）本意是想尽快将项目实现出来，少点细节功能，但是自己还是满脑

第一次意义上接触AI是动手玩了玩B站秋叶大佬的懒人一站式Stable Diffusion，去年为了能在大学本科四年好好地van(玩)AI，也是特意买了一台普普通通的幻16，本地的4060 Laptop GPU算力只能说，够我一个人过家家般地“玩耍”。这个暑假我也参加了学校与某外企联合创办的AI Hackthon，开发一款基于AI的个人助手，队伍的大家思维都很活跃，但是感觉队伍的大家普遍对AI不是那

25年Datawhale 冬令营 2期第一弹！豆包MarsCode辅助开发蕃茄时钟！