深度学习中的图像识别技术及其应用
在人工智能的浪潮中，深度学习已经成为推动技术创新的核心力量。本文将深入探讨深度学习在图像识别领域的应用，从基本原理到实践案例，展示如何通过神经网络模型实现高效准确的图像处理。我们将一起探索卷积神经网络（CNN）的奥秘，并通过实际代码示例，了解如何训练和部署这些模型来解决现实世界的问题。无论你是深度学习的初学者还是希望深化理解的开发者，这篇文章都将为你提供价值丰富的知识和技能。
2024年CRM系统排行榜：领先品牌与市场趋势
随着数字化转型加速，CRM系统成为企业提升客户关系管理效率、增强竞争力的关键工具。本文从品牌影响力、产品功能、用户体验等多维度，综合分析2024年市场上的主流CRM系统，如销售易、八骏科技、天衣云等，为企业选择合适的CRM解决方案提供参考。
NeurIPS 2024 Oral：小参数，大作为！揭秘非对称 LoRA 架构的高效性能
近期，一篇题为《\model~: 非对称LoRA架构实现高效微调》的论文被NeurIPS 2024接收为口头报告，该研究提出了一种创新的非对称LoRA架构，旨在解决大型语言模型（LLMs）在保持高性能的同时提高训练和部署效率的问题。通过引入共享A矩阵和多个B矩阵，\model~不仅提高了参数效率，还在多个数据集上展示了超越现有PEFT方法的性能，尤其是在多任务域和复杂数据集上的表现尤为突出。此架构还有效减少了训练能耗和延迟，为LLMs的高效应用提供了新思路。
llama factory 从数据集起步 跑通 qwen系列开源生成式大模型 微调
`dataset_info.json` 文件用于管理 llama factory 中的所有数据集，支持 `alpaca` 和 `sharegpt` 格式。通过配置此文件，可以轻松添加自定义数据集。数据集的相关参数包括数据源地址、数据集格式、样本数量等，支持 Hugging Face 和 ModelScope 两个平台的数据集仓库。针对不同格式的数据集，提供了详细的配置示例，如 `alpaca` 格式的指令监督微调数据集、偏好数据集等，以及 `sharegpt` 格式的多模态数据集等。今天我们通过自定义数据集的方式来进行qwen2.5_14B_instruct模型进行微调
机器学习核心：监督学习与无监督学习
本文深入解析了机器学习中的监督学习与无监督学习，涵盖理论基础、应用场景及典型算法实现，如线性回归、决策树、K均值聚类和主成分分析，并通过代码示例加深理解。适合初学者和进阶者阅读。
大规模语言模型与生成模型：技术原理、架构与应用
本文深入探讨了大规模语言模型（LLMs）和生成模型的技术原理、经典架构及应用。介绍了LLMs的关键特点，如海量数据训练、深层架构和自监督学习，以及常见模型如GPT、BERT和T5。同时，文章详细解析了生成模型的工作原理，包括自回归模型、自编码器和GANs，并讨论了这些模型在自然语言生成、机器翻译、对话系统和数据增强等领域的应用。最后，文章展望了未来的发展趋势，如模型压缩、跨模态生成和多语言多任务学习。
提高工作效率的关键：2024年10款最实用日程管理软件推荐
随着工作节奏加快，日程管理成为职场和个人生活中的重要部分。2024年，市场上出现了众多高效日程管理软件，既包括适合企业团队协作的强大工具，也涵盖了帮助个人优化日程的轻量级应用。本文推荐10款最受欢迎的日程管理软件，覆盖国内外多个工具，帮助用户挑选最适合自己的那一款，从而提高工作效率和生活质量。
关于大模型语料的迷思
随着大模型发展的不断深入，我们越来越关注到语料质量对模型能力的影响，语料中的偏差和主观性会导致生成内容不准确或带有偏见。智能引擎事业部是阿里内部深耕多年的AI工程团队，为内部业务提供了完整的大模型工程体系，持续关注大模型训推性能、成本、研发范式等关键问题。本文将基于我们的思考，探讨大模型语料的复杂性及其背后的思维过程。