[LLMs tuning] 03 llama3-8B instruct SFT on Financial RAG
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
[LLMs 实践] 04 PEFT/LoRA 源码分析
...
[LLMs tuning] 06 多轮对话 qlora SFT（Multi-turn Conversation）
...
[LLMs tuning] 05 StackLlama、SFT+DPO（代码组织、数据处理，pipeline）
...
[LLMs inference] quantization 量化整体介绍（bitsandbytes、GPTQ、GGUF、AWQ）
...
[LLMs tuning] 04 optimizer Trainer 优化细节（AdamW，grad clip、Grad Norm）等
...
[LangChain] 01 基础入门，LCEL 、Tool Use、RAG 以及 LangSmith
...
[LangChain] 03 LangGraph 基本概念（AgentState、StateGraph，nodes，edges）
...
[LLMs 实践] 02 LoRA（Low Rank Adaption）基本原理与基本概念，fine-tune 大语言模型
...
[LLMs tuning] 01 trl SFTTrainer 中的 formatting_func 与 DataCollatorForCompletion
...
[LLMs 实践] 12 LLM SFT training （trl SFTTrainer、alpaca dataset）
...
[LLMs 实践] 01 llama、alpaca、vicuna 整体介绍及 llama 推理过程
...
[LLMs 实践] 03 LoRA fine-tune 大语言模型（peft、bloom 7b）
...
[LLMs tuning] 02 accelerate ddp 与 trl SFTTrainer
...
[AI Agent] llama_index RAG 原理及源码分析
...
[LLMs 实践] 221 llama2 源码分析 generate 的完整过程
...
[AI Agent] function calling & tool uses 与 argument generation
...
[LLMs 实践] 19 llama2 源码分析 RoPE apply_rotary_emb 从绝对位置编码到相对位置编码
...
一键提取知识图谱-灵感来自lightrag
...
[personal chatgpt] Llama2 7B vs. Llama3 8B （词表、attention 及 mlp）
...
吴恩达同步最新AI课，第59讲：LLMs作为操作系统:智能体的记忆-LLMs as Operating Systems: Agent Memory
...
[LangChain] 04 LangGraph 构建复杂 RAG workflow（Self-corrective）
...
[LLMs 实践] 13 gradient checkpointing 显存优化 trick
...
谁是最人气的LLM微调工具？
...
你的知识库的准确率为什么低于95%？
...
吴恩达重磅新发AI课，第60讲：让AI听话的终极安全密码--Safe and reliable AI via guardrails
...
[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析
...
[LLMs 实践] 20 llama2 源码分析 cache KV（keys、values cache）加速推理
...
[LLMs 实践] 07 fp16 与自动混合精度训练（amp）显著提升 batch size
...
[LLMs 实践] 09 BPE gpt2 tokenizer 与 train tokenizer
...
[personal chatgpt] 从 RoPE 到 CoPE（绝对位置编码，相对位置编码，Contextual Position Encoding）
...
[LLMs 实践] 11 gradient accumulation 显存优化 trick
...
ollama部署LightRAG或GraphRAG的一个小小小坑，以及LightRAG最新可视化展示，html or neo4j
...
[pytorch distributed] 01 nn.DataParallel 数据并行初步
...
RAG实战系列，如何针对word文档中的表格进行问答，解决跨页表格问题
...
[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）
...
[动手写神经网络] 手动实现 Transformer Encoder
...
[LLMs 实践] 10 预训练语料，mapping & streaming（load_dataset）
...
[pytorch 强化学习] 10 从 Q Learning 到 DQN（experience replay 与 huber loss / smooth L1）
...
[pytorch 强化学习] 01 认识环境（environment，gym.Env）以及 CartPole-v0/v1 环境
...
[LLMs 实践] 14 llama2 introduction 及 fine tune llama2（guanaco dataset）