InstructGLM:基于ChatGLM-6B在指令数据集上进行微调
基于ChatGLM-6B+LoRA在指令数据集上进行微调。
gpt的优势和gpt缺点
GPT可以根据给定的上下文信息生成质量很高的语句，甚至可以生成完整的文章、故事等长文本，和人类写作风格非常接近。随着训练的深入，GPT技术的语言生成质量也将不断提升。只能实现单向文本生成：与一些双向解码器（如BERT）不同，GPT采用单向的解码器，只能利用前面的上下文信息进行生成，无法利用后面的文本
ChatDOC：基于 AI 与文档对话、重新定义阅读方式的文献阅读和文档处理神器
上面主要是基于全文的提问。ChatDOC 是一款基于 ChatGPT，允许 ChatGPT 与用户所指定的文档进行对话，处理用户的专属数据的 AI 阅读辅助工具。不同于 ChatGPT 的处于黑箱之中、无法追溯来源的答案，ChatDOC 的特点在于，AI 所生成的结果均是基于用户所提供的专有数据，如
深入理解机器学习——过拟合（Overfitting）与欠拟合（Underfitting）
机器学习的主要挑战是我们的算法必须能够在先前未观测的新输入上表现良好，而不只是在训练集上表现良好。在先前未观测到的输入上表现良好的能力被称为泛化（Generalization）。通常情况下，当我们训练机器学习模型时，我们可以使用某个训练集，在训练集上计算一些被称为 训练误差（Training Rrr
kaggle（白嫖免费GPU，新手必看！！！）
超详细新手白嫖kaggle GPU教程，不可错过哦
yolov7.yaml文件详解
yolov7.yaml文件详解
ChatGPT中文在线官网-如何与chat GPT对话
ChatGPT是一种基于Transformer架构的自然语言处理技术，其中包含了多个预训练的中文语言模型。这些中文ChatGPT模型大多数发布在Github上，可以通过Github的源码库来下载并使用，包括以下几种方式：下载预训练的中文ChatGPT模型文件：不同的中文ChatGPT平台提供的预训练
未来已来，时代颠覆者ChatGPT你真的了解吗？
ChatGPT是美国OpenAI研发的聊天机器人程序，2022年11月30日发布。ChatGPT是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话。
【数学建模】灰色预测法
灰色预测对原始数据进行生成处理来寻找系统变动的规律，并生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。clc;clear;%建立符号变量a(发展系数)和b(灰作用量) syms a b;%输入需要预测的数据 T1 = length(A);T2 = 100;%输
权重衰减/权重衰退——weight_decay
权重衰减/权重衰退——weight_decay
数据信息汇总的7种基本技术总结
数据汇总是一个将原始数据简化为其主要成分或特征的过程，使其更容易理解、可视化和分析。本文介绍总结数据的七种重要方法，有助于理解数据实质的内容。
ChatGPT的原理分析
ChatGPT是一种基于自然语言处理和人工智能技术的聊天机器人，它的基础是由OpenAI研发的GPT模型，其中GPT是Generative Pre-trained Transformer的缩写。GPT模型的训练使用了海量的语料库，可以预测下一个单词、短语、句子或文本，从而实现自然语言生成。ChatG
教你轻松玩转-ChatGPT或生成类大模型--助你成为未来高端黄金职业人
一般来讲，信息在 Prompt 中出现的顺序很重要。因此，ChatGPT与Prompt的关系是在语言模型生成输出过程中的合作关系，Prompt提供了文本或代码片段，以指导模型生成更准确和有用的输出。提供多种选择：为了使模型能够生成更准确和有用的输出，Prompt应该提供多种选择，例如，可以提供多个可
单个消费级GPU笔记本win电脑测试LLaMA模型
b N，--batch_size N用于提示处理的批量大小（默认值：8）-n n，--n_predict n个要预测的令牌数（默认值：128）将在"7B”文件夹产生一个名为”models/7B/ggml-model-q4_0.bin"的文件。将在"7B”文件夹产生一个名为”models/7B/ggm
ChatGLM环境配置
ChatGPT令人震撼的冲击下，笔者转向NLM的Transformer模型，ChatGLM作为清华开源的大语言模型，笔者尝试了其环境配置，为相关理论学习奠定基础。本文用于备忘与学习，无商业用途。
一分钟搞懂 微调(fine-tuning)和prompt
一分钟搞懂 微调(fine-tuning)和prompt
使用RobustPCA 进行时间序列的异常检测
鲁棒主成分分析(Robust Principal Component Analysis, RobustPCA)是一种将时间序列矩阵分解为低秩分量和稀疏分量的技术。这种分解能够识别潜在的趋势，以及检测异常和异常值。
缺陷异常检测及定位性能评价指标–AUROC，PRO(per-region-overlap)
缺陷检测及定位性能评价指标
二次规划问题(qp)和序列二次规划问题(sqp)的简单理解
当二次规划的约束为非线性约束时，通常会采用sqp进行求解，用连续求解qp的方法来得到非线性约束条件下的最优解，上述的qpoases和osqp均无法直接求解非线性约束问题，所以如果使用这两个库的话，注意，sqp是结果，而不是原因，只有在非线性约束的情况下才会考虑sqp求解，如果问题本身就是线性约束，则
