趋近智
掌握针对特定任务与应用方向定制预训练大型语言模型的高级能力。本课程讲授先进的微调方法、参数高效微调技术(PEFT)、数据准备策略及严谨的模型评估实践。通过动手实践,学员将学习如何优化大型语言模型性能,有效管理计算资源,并根据专业需求调整模型。
先修课程 机器学习与Transformer基础知识
级别:
高阶微调策略
实践并区分全量微调与各类参数高效微调(PEFT)方法。
调整模型的数据准备
为指令微调和特定方向调整构建高质量数据集,并应对数据质量与数量的难题。
PEFT技术应用
应用如LoRA、QLoRA和Adapter模块等技术,以高效调整大型模型。
训练优化
使用梯度累积和混合精度训练等技术,优化微调过程以提升计算效率。
模型评估
对微调模型进行全面评估,审视其在标准指标之外的表现,包含指令遵循和偏差分析。
部署考量
分析微调后大型语言模型部署的实际要点,包括模型序列化和模型服务策略。
© 2026 ApX Machine Learning用心打造