跳转到主要内容

53 含有标签「fine-tuning」

TianPan.co 上标记为“fine-tuning”的文章。

查看所有标签

·tian

领域特定 LLM 微调的合成数据流水线

构建领域特定 LLM 微调的合成数据流水线实用指南 —— 涵盖蒸馏与自我提升、质量过滤、防止模型崩溃以及预算驱动的策略选择。

llm
fine-tuning
synthetic-data
ml-engineering
·tian

微调通常是错误的选择:大语言模型定制决策框架

大多数团队过早地尝试微调。这里有一个基于基准测试和生产案例的实用决策框架,探讨了提示工程何时优于微调,何时不优于微调,以及每种方法的真实经济成本。

fine-tuning
prompt-engineering
llm
ai-engineering
·tian

微调 vs. 提示工程:生产级 LLM 的决策框架

一个实用的框架,帮助你决定何时对你的 LLM 进行微调或提示工程——涵盖成本权衡、LoRA/QLoRA、模型蒸馏,以及每个 AI 团队在投入训练前都应回答的六个诊断问题。

fine-tuning
prompt-engineering
llm
mlops
+1
·tian

LLM 应用的数据飞轮:在生产与改进之间闭环

生产数据飞轮将用户交互转化为模型改进——但不到 1% 的交互产生明确信号,而天真地仅用这 1% 的数据进行训练会悄悄毒害你的系统。本文将介绍决定你的飞轮是会复合增长还是彻底崩溃的架构、反馈信号和失效模式。

llm
ai-engineering
fine-tuning
feedback
+1
·tian

构建能在生产环境中真正运行的 LLM 系统的七种模式

深入探讨七种工程模式——评估、RAG、微调、缓存、护栏、UX 设计和反馈循环——这些模式能将可用的 LLM 原型与可靠的生产系统区分开来。

llm
rag
fine-tuning
production
+1
显示第 49–53 篇,共 53 篇
上一页5 / 5