趋势实践

·None·系统架构师·2024-02-29

LLMDatasets是用于训练大型语言模型的大规模文本集合，多样性、规模和质量对于提升模型性能和适应能力至关重要，同时需要注意处理偏见和错误，遵守法律和伦理规范，数据预处理和质量对于提高结果质量至关重要。

·None·系统架构师·2024-03-04

LLM训练是深度学习模型的训练过程，包括预训练和微调两个阶段，Fine-Tuning和RLHF-Tuning是提高性能和适应性的方法。

hanfeng_twt·SphereEx·数据库架构师·2024-03-14

本文讨论分布式数据库的数据分片策略，包括分片算法、数据分布、分布关系等。分布式数据库产品通常有内置、开放、自定义三种方式，需要考虑现有数据对象如何拆分，设计过程中需考虑的问题很多，是一个多维立体的模型分析过程。产品需具备数据分片优化推荐功能，以避免影响业务系统的稳定可靠、服务体验。

·申万宏源证券有限公司·人工智能算法工程师·2024-03-12

处理大型模型的错误需要从多个方面综合考虑，包括数据、模型、反馈和持续学习等，以提高模型的准确性和可靠性。持续监控和评估模型表现，重新训练模型修正偏差，引入其他数据源或知识图谱进行矫正，升级模型架构、优化算法和结合领域专家知识进行人工调整是解决模型错误的有效手段。

danghl·icfcc·软件架构设计师·2024-04-18

本文介绍了如何基于开源大模型快速构建本地知识库应用，包括知识库构建需求、数据挖掘和价值利用、语义知识检索、LLM大模型概述、知识库问答实现思路等方面。同时介绍了选择大模型的三个方面：业务需求、模型效果和模型性能。最终展示了RAG系统在处理大规模信息检索和理解任务时的巨大潜力。

·某银行·高级工程师·2024-05-09

本文旨在对向量数据库的运维进行深入分析，并与传统数据库进行对比，以揭示其在运维方面的差异性。通过详细探讨向量数据库与传统数据库在数据模型、存储结构、查询处理、索引技术等方面的差异，方便理解向量数据库的特点和优势。通过提供一些最佳实践和运维设计策略，帮助运维团队更好的管理和维护向量数据库。

·江西农信·系统工程师·2020-09-01

一、前言金融的本质是以简单、有效的方式连接资金盈余者和资金短缺者，服务于实体经济。金融的数字化转型方向是对金融本质的回归，通...

·江西农信·系统工程师·2020-11-13

一、前言存储是IT行业的三大关键技术领域之一，是IT系统的感知输入记录和IT大脑的思维记忆所在，其基础性和重要性不言而喻。云存储作...

caikai·KYLERC·系统架构师·2018-06-12

随着互联网金融的兴起，互联网企业依托互联网，特别是移动互联网为公众提供越来越多方便快捷、稳定高效的金融类服务，对传统的银行业务...

·江西农信·系统工程师·2018-03-31

前言随着金融行业业务的快速发展和新型业务的建设，核心交易类系统作为科技体系的核心，需要具备足够的IT软硬件基础平台以提供对业务...