部署DeepSeek-V3、DeepSeek-R1模型
DeepSeek-V3是由深度求索公司推出的一款拥有6710亿参数的专家混合（MoE）大语言模型，DeepSeek-R1是基于DeepSeek-V3-Base训练的高性能推理模型。Model Gallery提供了标准部署和多种加速部署方式，帮助您一键部署DeepSeek-V3和DeepSeek-R1...
微调DeepSeek-R1
DeepSeek-R1是由深度求索公司推出的首款推理模型，该模型在数学、代码和推理任务上的表现优异。深度求索不仅开源了DeepSeek-R1模型，还发布了从DeepSeek-R1基于Llama和Qwen蒸馏而来的六个密集模型，在各项基准测试中均表现出色。本文以蒸馏模型DeepSeek-R1-Distill-Qwen-7B为例，为您介绍如何微调该系列模型。
DSW跨域拉取海外模型或容器镜像
当您使用海外容器镜像（如：docker.io镜像）创建DSW实例，或者在DSW实例中拉取海外模型时（如：huggingface.co模型），可能由于网络跨域的原因无法正常访问，为解决此问题，您可以创建全球加速GA（Global Accelerator）实例，使用其提供的覆盖全球的网络加速服务，使DSW具备跨域获取模型和镜像的网络访问能力。
微调、部署并实现Llama-3.1模型的高效推理
阿里云PAI灵骏智算服务是面向大规模深度学习场景的智算产品，提供一站式的异构计算资源和AI工程化平台。本方案将为您介绍如何使用阿里云PAI灵骏智算服务，以及基于Meta-Llama-3.1-8B的开源模型和Megatron的训练流程，进行模型微调、离线推理验证，并实现在线服务部署。
人工智能LLM模型：奖励模型的训练、PPO 强化学习的训练、RLHF
人工智能LLM模型：奖励模型的训练、PPO 强化学习的训练、RLHF 1.奖励模型的训练 1.1大语言模型中奖励模型的概念 在大语言模型完成 SFT 监督微调后，下一阶段是构建一个奖励模型来对问答对作出得分评价。奖励模型源于强化学习中的奖励函数，能对当前的状态刻画一个分数，来说明这个状态产生的价值有多少。在大语言模型微调中的奖励模型是对输入的问题和答案计算出一个分数。输入的答案与问题匹配度...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。