大模型黑话指南（一） 千帆社区
机器学习中的监督学习需要人类帮助标注数据。然而遗憾的是，ChatGPT 底层的大型语言模型参数如此的多，如果使用监督学习，必然需要大量的人类标记数据，这几乎是不可能的。自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息训练模型，从而学习到对下游任务有价值的表征。 自回归模型 GPT 是如何在人类的文本数据上实现自监督学习？
百度智能云获评Forrester中国市场人工智能/机器学习平台领导者 | 百度智能云
同时，它支持业务数据回流和高度自动化的 数据标注 ，结合大模型工具链可以帮助客户构建一个大模型自动迭代流水线，形成数据飞轮。 对于想要基于大模型去开发AI原生应用的客户 ，百度智能云千帆的AI原生应用工作台，提供了大模型应用开发的常见应用框架和丰富的应用组件，帮助企业快速完成应用开发，灵活地响应用户与市场需求。其中的RAG应用框架和Agent应用框架已经在客户中广泛使用。
千帆杯第一期赛题：游乐场排队规划助手 千帆社区
技术交流 千帆杯挑战赛 2月1日 27050 看过 赛题说明 1、赛题背景：随着春节假期来临，环球影城等热门主题游乐场成为大人孩子的经典过节选项，但 巨大的人流也意味着排队成为游客最大的痛点，游乐场项目多、 如何在有限的游玩时间内收获最大的快乐，是本期赛题要解决的问题 2、 赛题内容：官方提供「环球影城」、「上海迪士尼」、「香港迪士尼」、「广州长隆」四个热门游乐场地图（地图信息见下图list），地图中标注各项目的
部署 ChatGLM3：从0开始实现聊天机器人 千帆社区
对于工具声明，函数名称即为工具的名称，函数 docstring 即为工具的说明；对于工具的参数，使用 Annotated[typ: type, description: str, required: bool] 标注参数的类型、描述和是否必须。 三、代码解释器模式 由于拥有代码执行环境，此模式下的模型能够执行更为复杂的任务，例如绘制图表、执行符号运算等等。
办公文档识别 - 文字识别OCR
默认：手写印刷混排识别 - handwring_only：手写文字识别 - handprint_mix： 手写印刷混排识别 layout_analysis 否 string true/false 是否分析文档版面：包括layout（图、表、标题、段落、目录、印章）；attribute（栏、页眉、页脚、页码、脚注）的分析输出。
视图命令行工具 - 容器引擎CCE | 百度智能云文档
使用核为单位，对于memory，使用Gi为单位，对于其他类型资源，使用原始值 精简展示 cluster、node、job、queue -r string - -r 选择指定的 资源类型 展示，如cpu -e string - -e 空格分隔的列表，用于排除指定列 使用案例 分组汇聚 使用job命令根据Status分组汇聚资源使用量 筛选 选择剩余gpu大于1的Job 排序 按照节点剩余gpu排升序
Prompt自动化进阶之路：不会走也能飞 千帆社区
选中某个用例后 ① 用户填充期望输出 ② Generate expected output : 生成期望输出 生成候选提示: Generating prompt candidates 点击 右侧 Generate prompts 按钮，生成候选提示列表，每项都有默认打分100 自动评估 点击左下角 Run +60 battles : 启动两两比对评估 系统实时展示迭代过程，每个prompt的分数变化（高分排前面
AutoDL模式开发 - EasyDL零门槛AI开发平台 | 百度智能云文档
配置数据增强策略 深度学习模型的成功很大程度上要归功于大量的标注数据集。通常来说，通过增加数据的数量和多样性往往能提升模型的效果。当在实践中无法收集到数目庞大的高质量数据时，可以通过配置数据增强策略，对数据本身进行一定程度的扰动从而产生 新 数据。模型会通过学习大量的 新 数据，提高泛化能力。 你可以在「默认配置」、「手动配置」2种方式中进行选择，完成数据增强策略的配置。
柱状图、横向柱图 - 百度数据可视化Sugar BI | 百度智能云文档
柱状图的数据绑定 如：展示不同「地区」的「成本」对比： 柱状图还可以设置「颜色图例」来进行分组，例如展示「地区」下各个「产品类别」的「成本」数据： 条件格式（异常分析） 通过配置条件格式，可以在柱状图表中对异常点进行标注。对于 X 轴为⾮时序数据的情况(时序数据包括日期/日期时间格式的字段)，可以分析某 Y 轴度量字段与固定阈值比较的异常情况；对于时序数据，可以进一步分析数据的同环比异常情况。
模型推理 - 度目软硬一体DUMU | 百度智能云文档
vis.jpg 图片(图片左上角被标注“label = 757”，表示该图片属于“757”类，即“RV，一种车辆类型”)。 模型生产 基于AIStudio中的范例项目 基于ResNet进行物品分类 进行模型的训练、评估和导出。
