进一寸有一寸的欢喜

llama3的stremlit部署+使用xturn微甜

【GPT，Bert \GPT-2，GPT-3 论文概述】

基于qwen1.0 和lora微调,训练自己的对话机器人

Vicuna（音标 vɪˈkjuːnə ,小羊驼、骆马）是基于LLaMA的指令**微调**模型（类似GPT的文本生成模型）与LLaMA: 是基础大语言模型，用大量质量一般的互联网文本数据训练，与GPT3 、PaLM类似Vicuna 用ShareGPT网站的用户分享的7w条ChatGPT对话记录，对 LLaMA进行监督质量微调训练（Supervised Finturning），性能超越了LLaMa和Stanford Alpaca，达到了与ChatGPT相似的水平。将单词切分为。

微软的Azure页面 ： https://learn.microsoft.com/zh-cn/azure/ai-services/openai/concepts/models调用代码：https://learn.microsoft.com/zh-cn/azure/ai-services/openai/how-to/switching-endpointsopenai说明: https://platform.openai.com/docs/guides/vision不同区域的服务器开通不同模型

Transformer解决了RNN的不可并行化问题。最初只是与NLP任务有关目前广泛应用计算机视觉任务中

中文英文模型，GPT-4性能是当着无愧的王者，但无法使用。`中文评测平台`榜单比较混乱，看个人使用习惯。

代码博客ChatGLM-6B，结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。经过约 1T 标识符的中英双语训练，辅以监督微调、 反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 虽然规模不及千亿模型，但大大降低了用户部署的门槛，并且已经能生成相当符合人类偏好的回答。