·tian
预训练的阴影：你的微调计划忽视的隐性约束
微调改变的是模型说话的方式，而非其根本知识或信念。以下是研究所揭示的实践者不断触碰的上限——以及如何绕过它。
llm
fine-tuning
machine-learning
enterprise-ai
·tian
SFT、RLHF 与 DPO：垂直领域应用中的模型对齐方法决策矩阵
一个实用的决策框架，用于在垂直领域应用中对 LLM 进行对齐时，在有监督微调 (SFT)、RLHF 和 DPO 之间进行选择——包括如何诊断你的对齐差距是数据问题、奖励问题还是能力缺失。
insider
fine-tuning
llm
alignment
+1·tian
指标翻译问题：为何技术上成功的 AI 项目反而失去资金
80% 的 AI 项目未能交付商业价值——不是因为模型不行，而是工程团队从未将技术指标翻译成高管能够评估的语言。一套将 F1 分数、延迟和评估结果映射到能维持项目资金的业务成果的实用框架。
ai
machine-learning
engineering-management
ai-strategy
·tian
AI 功能中的冷启动问题：为何第一周总是失败
为何行为机器学习系统在第一天就会失败——以及在真实训练数据到来之前保持系统可用的分层引导架构。
machine-learning
personalization
recommendations
ai-engineering
·tian
课程陷阱：为什么针对最佳示例进行微调会产生平庸的模型
仅策划高质量、高置信度的输出作为微调数据会导致分布失配，破坏对不确定性的感知，并产生“自信地犯错”的模型。本文将探讨其中的原因以及你应该采取的对策。
insider
fine-tuning
llm
ai-engineering
+1·tian
生产环境中的模型合并：用权重平均打造多任务专家
深入解析模型合并技术——权重平均、SLERP、任务算术、TIES 和 DARE——涵盖合并何时优于集成、常见故障模式，以及如何在生产环境中部署合并后的 LLM。
insider
machine-learning
llm
model-merging
+1·tian
无限机器：戴密斯·哈萨比斯如何缔造 DeepMind 并追寻 AGI
从国际象棋神童到诺贝尔奖共同得主，戴密斯·哈萨比斯将 DeepMind 打造成了全球最具野心的 AI 研究实验室。塞巴斯蒂安·马拉比的传记追溯了追寻通用人工智能背后的科学突破、企业博弈和生存困境。
insider
ai
book-review
deepmind
+2显示第 25–31 篇，共 31 篇
上一页3 / 3