大模型LLM数据处理
本文是对 LLM 进行微调以及二次预训练时，训练数据预处理的相关文章的一些学习笔记，包含极少的经验总结。多样化的训练数据很重要,要涵盖使用场景的各种情况,避免训练数据单一。
LLaMA算法学习
LLaMA是Anthropic推出的多语言大型语言模型，采用类GPT的transformer架构，但相比GPT更高效，计算资源需求更低。总体而言，LLaMA通过更高效的模型设计，实现了多语言理解的高性能计算，降低了资源门槛，为语言模型的应用普及提供了可能。
ReadMore »
Prompt提示优化(二)
Prompt即提示学习，是继预训练+微调范式后众望所归的第四范式。在预训练+微调的范式中我们调整预训练模型来匹配下游任务数据，本质是对预训练学到的众多信息进行重新排列和筛选。
ReadMore »
Prompt提示优化
提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。
ReadMore »
语音合成数据预处理(一)
对于语音合成项目，数据预处理对最终合成效果至关重要，这里总结梳理下常用音频编辑软件数据处理方法。