为什么SFT后LLM模型的性能变得更好了？ 千帆社区
这篇研究主要关注了大型预训练语言模型（如GPT-3）在少量训练样本(Few-Shot)下的性能。 SFT为什么能提升性能？ SFT之所以能提升性能我觉得可以从迁移学习、数据分布、模型参数以及对齐的角度去分析。 任务特定的学习（迁移学习） ： 通过SFT，模型从 通用模型 转为了 特定任务相关的模式和规则 。
以智慧学习工场开启产教融合下的AI时代
介绍华晟经世ICT专业群实践教学解决方案。
深度思考 - 千帆AI应用开发者中心-开始使用qianfan-docs | 百度智能云文档
深度思考 深度思考模型在传统大语言模型的基础上，强化了推理、逻辑分析和决策能力。在回答用户之前模型会先输出一段思维链内容，以提升最终答案的准确性，适用于复杂推理和深度分析任务，如数理逻辑推理、编程代码等。 深度思考模型API参数特殊说明 本章说明深度思考模型与常规文本生成模型接口字段的差异。
APM和LLM应用性能监控计费公告 - 云监控BCM | 百度智能云文档
APM和LLM应用性能监控计费公告 APM和LLM应用性能监控已于2026年3月31日正式商业化公告 尊敬的百度智能云客户： 为提供更全面稳定的服务，云监控 BCM 下 APM 和 LLM 应用性能监控模块已于 2026 年 03 月 31 日 00:00 正式商业化。
Spark SQL 性能分析和调优
介绍Spark SQL 性能分析和调优
视频深度估计 - 百度百舸 · AI计算平台 | 百度智能云文档
视频深度估计 简介 视频逐帧深度估计算子：抽帧后逐帧过 Depth-Anything V2 得到相对深度图，输出逐帧深度统计量，可选把原始深度图落盘成 .npz 。模型用 transformers 内置的 Depth-Anything V2 做逐帧推理，权重全部本地加载，算子内不做网络请求与安装。
工作流组件：深度使用实践 - 百度千帆·大模型服务及Agent开发平台
工作流组件：深度使用实践 整体概述 这是一篇深度使用工作流组件的教学文档，会详细介绍一个复杂应用（包含多个工作流组件）的搭建和调试过程。通过这篇文档，你可以找到如下这些问题的答案： 1、如何搭建一个通过API接口查询信息的组件？ 2、如何从用户query中抽取信息并将这些信息应用到工作流组件，如何提高信息抽取的准确性？ 3、如何让你的组件有上下文理解能力？ 4、如何让应用按照固定的格式输出内容？
性能监控 - Baidu Palo/Doris 使用文档
性能监控 功能概述 性能监控用于查看集群巡检记录，并支持手动巡检、自动巡检配置、巡检报告查看、优化指引查看和巡检记录删除。巡检可帮助用户了解集群在指定时间范围内的健康状况和风险项。 巡检任务分为手动发起和自动发起。页面中的报告、优化指引和删除操作会根据巡检任务状态自动启用或禁用。 进入方式 在产品侧边栏进入“运维与监控”。 选择“性能监控”。
文心X1.1深度思考模型上线百度智能云千帆大模型平台！三大能力显著提升 千帆社区
文心大模型X1是基于文心大模型4.5训练而来的深度思考模型， 升级后的文心大模型X1.1主要采用了迭代式混合强化学习训练框架 ，一方面通过混合强化学习，同时提升通用任务和智能体任务的效果；另一方面通过自蒸馏数据的迭代式生产及训练，不断提升模型整体效果。 相比文心X1，X1.1的事实性提升34.8%，指令遵循提升12.5%，智能体提升9.6%。
性能 - 应用引擎BAE | 百度智能云文档
性能 性能 使用百度智能云BCC作为压力机，测试不同套餐的单个执行单元，开发者可参考如下测试数据，以了解执行单元的抗压能力。 套餐1：启航I型 CPU 1核 内存1GB 系统硬盘20GB ，带宽：5Mbps Java7 + Tomcat7 “Hello World”默认页面压力测试。
