全部文章

【课程总结】day26：大模型应用开发之Prompt进阶使用

深入讲解LangChain框架构成及组件使用，演示接入百度文心一言、阿里通义千问等第三方大模型的完整流程，实现Prompt进阶开发。

【课程总结】day25：大模型应用开发之Prompt初步了解

本文详解大模型两大应用方式及Prompt本质，通过LangChain框架演示如何快速调用大模型API，包含完整代码示例与实战技巧。

【课程总结】day24（下）：大模型部署调用(vLLM+LangChain)

详解使用vLLM部署Qwen2大模型并通过LangChain调用的完整流程,包括安装配置、API服务启动及OpenAI兼容接口调用方法。

【课程总结】day24（上）：大模型三阶段训练方法(LLaMa Factory)

详解通过LLaMA-Factory实现大模型预训练、监督微调与偏好纠正的完整流程，含环境配置与Qwen2-0.5B模型训练案例。

【课程总结】day23：大模型训练策略（BERT模型与GLM模型）

【课程总结】day22：大模型体验之Qwen2模型

详解Qwen2模型结构与聊天模板，通过实际代码演示模型下载、配置及翻译、信息抽取等NLP任务应用。

【课程总结】day21（下）：大模型的三大架构及T5体验

深入解析Encoder-Decoder、Encoder-Only、Decoder-Only三种大模型架构区别，附T5模型本地部署实战教程。

【课程总结】day21（上）：Transformer源码深入理解之预测过程

深入解析Transformer预测过程源码，详解greedy_decode自回归生成机制与完整推理流程

【课程总结】day20：Transformer源码深入理解之训练过程

【课程总结】day19（下）：Transformer源码深入理解之构建模型流程

深入解析Transformer源码，从EncoderDecoder到EncoderLayer，详细讲解模型构建流程与核心组件实现原理。