部署调用微调与高级配置Qwen3-人工智能平台 PAI-阿里云
Qwen3是阿里云通义千问团队于2025年4月29日发布的最新大型语言模型系列，包含2个MoE模型和6个Dense模型。其基于广泛的训练，在推理、指令跟随、Agent 能力和多语言支持方面取得了突破性的进展。PAI-Model Gallery已接入全部8个尺寸模型，以及其对应的Base模型、FP8模型，总计22个模型。本文为您介绍如何在Model Gallery部署评测该系列模型。
基于DeepGPU加速器快速实现Qwen1.5-7B指令微调
本文基于LLaMA-Factory提供了一套Qwen1.5-7B模型在阿里云ECS上进行指令微调的训练方案，最终可以获得性能更贴近具体使用场景的语言模型。
【大模型微调】一文掌握5种大模型微调的方法
本篇文章深入分析了大模型微调的底层逻辑与关键技术，细致介绍了包括全参数微调（Full Parameter Fine Tuning）、LoRA、QLoRA、适配器调整（Adapter Tuning）与提示调整（Prompt Tuning） 在内的5种主流方法。文章将详细讨论每种策略的核心原理、优势劣势...
56_大模型微调：全参数与参数高效方法对比
深度解析大模型微调技术与最佳实践 大模型微调技术演进 ├── 传统阶段(2017-2020): 全参数微调，资源消耗巨大 ├── 发展阶段(2021-2022): 早期参数高效方法(Prefix-Tuning等) ├── 成熟阶段(2023-2024): LoRA/QLoRA主导的参数高效微调 └── 融合阶段(2025): 多种微调技术融合，自适应策略选择 引言 随...
通义千问2.5模型部署与微调
通义千问2.5（Qwen2.5）是阿里云研发的通义千问系列开源大模型。该系列提供Base和Instruct等多版本、多规模的开源模型，从而满足不同的计算需求。PAI已对该系列模型进行全面支持，本文以通义千问2.5-7B-Instruct模型为例为您介绍如何在Model Gallery中部署、微调和评测该系列模型（本文适用于Qwen2.5和Qwen2系列模型）。
结合伸缩组与抢占式实例节省大模型微调成本
为降低模型微调训练成本，您可以使用伸缩组自动调度抢占式实例，同时配置抢占式实例中断回收时自动创建新实例、基于最新Checkpoint恢复训练，保障任务连续性。
大模型进阶微调篇（一）：以定制化3B模型为例，各种微调方法对比-选LoRA还是PPO，所需显存内存资源为多少？
在大模型的微调过程中，选择合适的方法来高效地提高模型性能是非常关键的。今天我们来聊一聊两种常见的微调方式——LoRA（Low-Rank Adaptation）和 PPO（Proximal Policy Optimization），以及它们各自的优缺点和适用场景。通过详细的对比分析，希望能帮助你选择最...
面向NL2BI的大模型微调最佳实践
本文以Qwen系列大模型为例，介绍如何在人工智能平台PAI上构建从训练数据生成、模型微调训练到服务部署和调用的NL2BI全链路解决方案。
RoSA: 一种新的大模型参数高效微调方法
(RoSA)是一种新的PEFT技术。在一组基准测试的实验中，RoSA在使用相同参数预算的情况下优于先前的低秩自适应(Low-Rank Adaptation, LoRA)和纯稀疏微调方法。 本文我们将深入探讨RoSA原理、方法和结果。并解释为什么它的性能标志着有意义的进步。对于那些希望有效地微调大型语言模型的人来说，RoSA提供了一种新的解决方案，该解决方案优于以前的方案。 对参数高效微调...
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。
通义大模型
阿里云自主研发的通义大模型，凭借万亿级超大规模数据训练和领先的算法框架，实现全模态高效精准的模型服务调用。https://www.aliyun.com/product/tongyi
+关注