https://alphaoragroup.com/2022/04/06/ash-report-row-source-not-available/ Whenever in ASH report, there is a section called Top SQL with Top Row Sourc
https://jishuin.proginn.com/p/763bfbd2cf85 来源：科技新报（台） 长期关心处理器技术发展者，这20年来，很难不每隔一段时间就会偶尔听到「这技术受Alpha影响」、「这是出自于前Alpha研发团队成员的杰作」，甚至老一辈军武迷，或多或少也会听闻「传说某某某尖端
https://zhuanlan.zhihu.com/p/529872958 1、前言 作为一种超大规模集成电路，CPU在过去几十年里始终遵循摩尔定律——每过十八到二十四个月，硅片单位面积上晶体管数量翻倍。从产业界的表现来看，每过一到两年，英特尔、AMD和IBM等公司就会推出自己的新产品。 那么问题
libass是一个适用于ASS和SSA格式（Advanced Substation Alpha/Substation Alpha）的字幕渲染器，支持的字幕类型包括srt、ass等，凡是涉及到给视频画面添加字幕，均需事先集成libass。 《FFmpeg开发实战：从零基础到短视频上线》一书的“7.3
`ChatGPT`是近期最火的概念了，和之前的`AlphaGo`不同，`GPT`让`AI`和普通大众如此接近，让大家可以亲自接触到`AI`带来的全新体验。 不过，`AI`并不是魔法，`ChatGPT`也不是革命性的新技术。 目前我个人来看，`ChatGPT`要取代人类的工作还言之过早，不过，辅助人类
Dapr 1.10版本中带来了最有亮点的特性就是工作流构建块的的发布，虽然是Alpha 阶段，可以让我们尽早在应用系统中规划工作流， 在使用Dapr的系统中更好的编写负责的分布式应用系统。Dapr 工作流使你能够生成跨多个应用的长时间运行的持久进程或数据流。 Dapr 工作流可以与其他 Dapr A
美国时间 2023 年 7 月 19 日，Semantic Kernel 团队在其官方博客[1]上宣布发布 Java 版Semantic Kernel。 Samantic Kernel系列的源代码可在GitHub上 [2]找到，但Java的0.2.6-alpha版本可从[3]Maven Centra
神经网络是深度学习的基础，正是深度学习的兴起，让停滞不前的人工智能再一次的取得飞速的发展。 其实神经网络的理论由来已久，灵感来自仿生智能计算，只是以前限于硬件的计算能力，没有突出的表现，直至谷歌的AlphaGO的出现，才让大家再次看到神经网络相较于传统机器学习的优异表现。 本文主要介绍神经网络中的重
为啥 ChatGPT 突然火了？ 简单概括就是：产品太过惊艳，体验超预期 之前人工智能发展多年，报道最多的也许就是曾经的李世石大战AlphaGo，现实中的特斯拉自动驾驶，还有波士顿动能放出的机器狗。对于圈外人士来说一般也接触不到这些，仅仅看看而已。但是 ChatGPT 不一样，一声巨响，石头中蹦出一
https://www.jianshu.com/p/f8f8f660d2c3 https://crfm.stanford.edu/2023/03/13/alpaca.html https://crfm.stanford.edu/alpaca/ https://github.com/tatsu-lab
`https://github.com/ymcui/Chinese-LLaMA-Alpaca#%E6%A8%A1%E5%9E%8B%E4%B8%8B%E8%BD%BD` 以ChatGPT、GPT-4等为代表的大语言模型（Large Language Model, LLM）掀起了新一轮自然语言处理领域
https://zhuanlan.zhihu.com/p/106262896 在智利和秘鲁高原区经常会遇到的一种动物让人十分挠头，学术点称呼就是骆驼科其中一个族群——羊驼属和骆马属。头疼在于，分不清楚谁是谁。Guanaco, Llama, Vicuña, Alpaca……嗯……动物的世界真让人崩溃。
本文进行本地化部署实践的Alpaca-lora模型就是Alpaca模型的低阶适配版本。本文将对Alpaca-lora模型本地化部署、微调和推理过程进行实践并描述相关步骤。
https://github.com/ymcui/Chinese-LLaMA-Alpaca/wiki/%E4%BD%BF%E7%94%A8Transformers%E6%8E%A8%E7%90%86 Pages 32 中文文档 模型合并与转换 在线模型合并与转换（Colab） 手动模型合并与转换 模
GPT 带火了一波语言模型，LLaMA 和 Alpaca 也在持续发力。依旧是各类 GPT 后缀霸榜 GitHub trending 的一周，为此特推部分专门收录了两个比较不错的 GPT 应用。而作为 ML/AI 第一首选语言的 Python 也是风头一时，除了 AI 项目之外，本周的密文解析 Ci
Vicuna-13B的推理效果据说达到了ChatGPT的90%以上的能力，优于LLaMA-13B和Alpaca-13B的效果。同时Vicuna的训练成本也很低，所以尝试本地化部署一下Vicuna-7B，看看效果如何，说干就干。
总结下指令微调、对齐样本筛选相关的方案包括LIMA，LTD等。论文都是以优化指令样本为核心，提出对齐阶段的数据质量优于数量，少量+多样+高质量的对齐数据，就能让你快速拥有效果杠杠的模型
Llama2-Chinese项目给出pretrain的data为QA数据格式，可能会有疑问pretrain不应该是Text数据格式吗？而在Chinese-LLaMA-Alpaca-2和open-llama2预训练使用的LoRA技术，给出pretrain的data为Text数据格式。所以推测应该pre
