使用DeepSeek-R1模型搭建RAG系统
DeepSeek-R1系列模型是一款专注于复杂推理任务的大语言模型，在复杂指令理解、推理结果准确性、性能稳定性等方面相比其他大语言模型，有一定优势。OpenSearch LLM智能问答版已集成DeepSeek-R1系列模型，进一步提升企业级RAG效果，本文向您介绍使用步骤。
使用DeepGPU-LLM镜像构建模型的推理环境
在GPU实例上配置DeepGPU-LLM容器镜像后，可以帮助您快速构建大语言模型（例如Llama模型、ChatGLM模型、百川Baichuan模型或千问Qwen模型）的推理环境，主要应用在智能对话系统、文本分析、编程辅助等自然语言处理业务场景，您无需深入了解底层的硬件优化细节，镜像拉取完成后，无需额外配置即可开箱即用。本文为您介绍如何在GPU实例上使用DeepGPU-LLM容器镜像构建大语言模型的...
使用TensorRT-LLM构建模型的推理环境
在GPU的实例上安装推理引擎TensorRT-LLM，可以帮助您快速且方便地构建大语言模型（例如Llama模型、ChatGLM模型、百川Baichuan模型或千问Qwen模型）的推理环境，主要应用在智能对话系统、文本分析等自然语言处理业务场景。本文为您介绍如何在GPU实例上安装和使用TensorRT-LLM来快速构建大语言模型的高性能推理优化功能。
基于ModelScope模型库和浅休眠（原闲置）GPU弹性实例低成本快速搭建LLM应用
LLM（Large Language Model）是指大型语言模型，是一种采用深度学习技术训练的具有大量参数的自然语言处理模型。您可以基于ModelScope模型库和函数计算的浅休眠（原闲置）弹性实例低成本快速搭建LLM应用实现智能问答。
Multimodal LLM训练-模型文件\训练数据加载逻辑源码分析
1. summary 本文以Omnigen项目（https://github.com/VectorSpaceLab/OmniGen）为例，对LLM训练过程中涉及与存储交互的部分在代码逻辑上做了梳理。整体分为模型文件加载侧以及训练数据加载侧两部分，训练数据除包含常规结构化的文本数据之外，又包含了图像相关数据的读写逻辑的梳理。整体包含了Python\Cpython\Rust\Cpp语言的sa...
LLM2LLM：LLM2LLM：用 LLM 来增强 LLM ！通过教师模型合成数据，增强学生模型的训练数据集
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新应用和热点信息，提供开源实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！ 微信公众号｜搜一搜：蚝油菜花 快速阅读 技术核心：通过教师模型生成合成数据，增强学生模型的训练集。 迭代优化：通过多次迭代，逐步改进模型性能，针对性地解决模型弱点。 应用场景：适用于医学、法律、...
OpenSearch-LLM智能问答版支持的向量模型
OpenSearch-LLM智能问答版内置五种向量模型，可以根据实际需求选择相应的向量模型来进行实例配置，本文介绍如何查看内置向量模型列表。
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。