Kakaxiii的博客

回到lamafactory的界面，，方法同上述部署模型方法一致，把加载模型路径改为微调模型的输出路径就行了（就是上图的路径）/root/autodl-tmp/myModel，模型名字没变，因为它就是Qwen-7B-Chat的升级版，底层架构啥的都一样。选择模型名称Qwen-7B-Chat，输入地址（之前下载的地方）/root/autodl-tmp/qwen/Qwen-7B-Chat，地址从MobaXterm复制，复制了记得删最后的/gpu是负责运算的，显存是你计算的内存大小，都还够着呢，别担心。

技术报告只差相关工作+补实验

写完了一半技术报告+一点点阅读体会

​1.完成微调的技术实践，技术学习1        微调系列01-一文吃透！大模型里的微调技术到底是什么？-CSDN博客        2.为了研究技术报告怎么写，阅读了deepseek R1的技术报告原文DeepSeek-R1系列01——技术报告解读：DeepSeek-R1：通过强化学习激励 LLM 中的推理能力-CSDN博客        3.完成技术报告的文字叙述版，确定了摘要和目录        4.完成每日学习记录​

本文深入解读 DeepSeek - R1 通过强化学习激励大语言模型（LLM）推理能力的技术报告。开篇介绍 DeepSeek - R1 系列在人工智能领域的重要地位，引出对其利用强化学习提升 LLM 推理能力这一核心技术的探讨。详细阐述强化学习在该模型中的应用机制，包括如何设计奖励函数来引导模型在复杂推理任务中找到更优解，以及如何通过与环境交互不断优化推理策略 。分析这一技术相较于传统提升 LLM 推理能力方法的优势，如在面对复杂逻辑问题时能更高效地给出准确答案，大幅提升模型的实用性和智能水平。同时，结合具

在深度学习和机器学习领域，“微调” 是一个频繁出现却又让不少人一知半解的概念。本文将深入浅出地为你剖析什么是微调。首先，介绍微调的基本定义，它是在预训练模型基础上进行的进一步训练，利用少量特定任务数据对模型参数进行针对性调整 。接着，详细阐述微调的流程，从选择合适的预训练模型，到准备适配的数据集，再到确定微调的超参数，每个步骤都关乎微调的效果。然后，探索展示微调如何让模型在特定任务中表现大幅提升。