ChinaLiaoTian的博客

命名实体识别(NER)是NLP领域的核心技术，用于从文本中提取特定类别实体。

PyTorch和TensorFlow是深度学习框架，提供张量计算、自动求导等基础工具，用于构建各种神经网络模型。而Transformer是一种特定的神经网络架构，基于自注意力机制设计。两者关系如同"工具箱"和"蓝图"：框架是通用工具，架构是具体设计方案。开发者使用框架来实现Transformer等模型架构，类似用乐高积木按图纸搭建特定结构。这体现了工具与产品设计的不同层次关系。

通用辅助生成 UAG

将BERT替换为Llama、Mistral等大语言模型（LLM）并采用LoRA微调，能显著提升多标签分类效果。

LoRA微调BERT在单标签分类任务表现优异，但在多标签分类中效果不佳。主要原因在于多标签任务需要学习更复杂的特征表示和标签关联性，而LoRA的低秩近似限制了参数调整自由度，难以捕捉这些复杂信号。解决方案包括：增加LoRA秩数、调整超参数、优化数据平衡和训练策略，以及尝试AdaLoRA等变体方法。建议通过建立全量微调基线，系统调整参数来提升模型性能。

IDE MCP

MCP 交互流程

Spring AI LangChain4j

“非参数化”大语言模型 RAG

多智能体 架构

LLMOps 企业级 落地方案

LLMOps 个人 落地方案

LLMOps 介绍及推荐

vllm --model

docker vllm 显卡 多模型

Hugging Face 模型 缓存 下载

大模型 追问建议 prompt

MCP

Claude Code Chat 可视化工具 GUI 镜像站 环境变量

ReAct RL

如何选择合适的训练方式？

对比分析及应用场景

工单分类 模型选择 实战步骤

llamafactory lora 数据量

docker-volume-backup ragflow volumes 定时备份

Xinference 重排序模型 reranker

Ollama 资源分配

conda 克隆

【代码】RAG 知识库文件上传前格式转换脚本

嵌入模型选择

Ollama

RAG LLM 数据统计分析

Milvus 索引

RAG 评估

RAG

vllm deepseek

多式联运 最优路径 算法

要让本地部署的大模型（如DeepSeek、LLaMA、ChatGLM等）具备联网搜索能力，需要将模型与外部工具结合，通过API调用、插件或代理机制实现实时信息获取。

Ollama Model File（模型文件）是一个蓝图，用于在 Ollama 平台上创建和共享模型。

大模型的蒸馏和量化