建立Hugging Face模型调用环境

Dataset之COCO数据集：COCO数据集的简介、下载、使用方法之详细攻略

一台ESXI6.7 EP13 紫屏分析过程

ChatTS-14B是字节跳动开源的时间序列专用大模型，基于Qwen2.5-14B微调优化，通过合成数据对齐技术显著提升分析能力，支持自然语言交互完成预测推理等复杂任务。

两个月前，Qwen团队升级了 Qwen2.5-Turbo，使其支持最多一百万个Tokens的上下文长度。今天，Qwen正式推出开源的 Qwen2.5-1M 模型及其对应的推理框架支持。

【8月更文挑战第2天】告别Hugging Face模型下载难题：掌握高效下载策略，畅享无缝开发体验

【10月更文挑战第29天】作为一名自然语言处理（NLP）爱好者，我一直对如何利用最先进的技术解决实际问题充满兴趣。Hugging Face 的 Transformers 库无疑是目前最流行的 NLP 工具之一，它提供了大量的预训练模型和便捷的接口，使得构建和训练文本分类模型变得更加简单高效。本文将通过具体的实例教程，指导读者如何使用 Hugging Face 的 Transformers 库快速构建和训练一个文本分类模型，包括环境搭建、数据预处理、模型选择与训练等步骤。

本教程介绍如何基于Transformers和PEFT框架对Qwen2.5-7B-Instruct模型进行LoRA微调。

近年来，大模型在AI领域崭露头角，成为技术创新的重要驱动力。从AlphaGo的胜利到GPT系列的推出，大模型展现出了强大的语言生成、理解和多任务处理能力，预示着智能化转型的新阶段。然而，要将大模型的潜力转化为实际生产力，需要克服理论到实践的鸿沟，实现从实验室到现实世界的落地应用。阿里云去年在云栖大会上发布了一系列基于通义大模型的创新应用，标志着大模型技术开始走向大规模商业化和产业化。这些应用展示了大模型在交通、电力、金融、政务、教育等多个行业的广阔应用前景，并揭示了构建具有行业特色的“行业大模型”这一趋势，大模型知识库概念随之诞生。

【11月更文挑战第20天】随着人工智能技术的飞速发展，自然语言处理（NLP）领域也迎来了革命性的变革。其中，检索增强生成（Retrieval-Augmented Generation，简称RAG）技术作为一种结合了信息检索与生成模型的技术，在提高生成式模型的准确性和实用性方面展现出了巨大潜力。本文将深入探讨RAG Workflow工作流的历史、背景、功能点、优缺点及其底层原理，并通过Java代码演示其主要功能点。

深入理解ThreadLocal及其弱引用