Platform For AI：LLM

Mulai

Model Gallery menyediakan berbagai model bahasa besar (LLMs) pra-latih dari komunitas sumber terbuka. Di Model Gallery, Anda dapat melakukan fine-tuning, penyulingan, kompresi, evaluasi, dan penyebaran model tanpa perlu coding. Contoh penggunaan:

• Penyebaran, fine-tuning, dan evaluasi model Qwen3

• Panduan Cepat Mulai: Penyebaran, fine-tuning, dan evaluasi QwQ-32B

• Fine-tune, evaluasi, dan sebarkan model Qwen2.5

• Fine-tune, evaluasi, kompres, dan sebarkan model Qwen2.5-Coder

• Fine-tune, evaluasi, kompres, dan sebarkan model DistilQwen2

• Sebarkan dan fine-tune model Llama-3

• Sebarkan dan fine-tune model Qwen 1.5

• Sebarkan dan fine-tune model Mixtral-8x7B MoE

• Gunakan Panduan Cepat untuk fine-tune dan sebarkan model Llama 2

• LLM pre-training lanjutan

• Kembangkan solusi augmentasi data dan distilasi model untuk LLMs

• Praktik terbaik untuk evaluasi LLM

Penggunaan Lanjutan

Jika Model Gallery tidak mencakup model yang Anda butuhkan atau kemampuan pelatihan dan penyebarannya tidak memenuhi kebutuhan Anda, pertimbangkan menggunakan Data Science Workshop (DSW) dan Deep Learning Containers (DLC) untuk fine-tuning serta pelatihan model. Kemudian, sebarkan dan jalankan model Anda di Elastic Algorithm Service (EAS).

Layanan Komputasi AI Lingjun

Layanan Komputasi AI Lingjun dirancang untuk skenario pembelajaran mendalam berskala besar. Layanan ini menawarkan platform komputasi heterogen dan teknik AI yang komprehensif. Mulailah dengan Lingjun melalui contoh penggunaan berikut:

• Kembangkan model Qwen di PAI-Lingjun AI Computing Service

Pemrosesan Data

Machine Learning Designer mengintegrasikan berbagai algoritma canggih untuk memproses teks, video, dan data gambar guna meningkatkan kualitas data pelatihan. Algoritma pemrosesan teks memungkinkan Anda mengedit, mentransformasi, dan menghapus duplikat sampel data, serta menyaring sampel data berkualitas rendah. Algoritma pemrosesan video dan gambar memungkinkan Anda menerapkan fitur seperti pembersihan data, penyaringan konten, ekstraksi metadata, dan pembuatan keterangan. Sistem juga menyediakan serangkaian template pemrosesan data bawaan yang umum digunakan. Anda dapat memilih template berdasarkan kebutuhan bisnis Anda dan secara fleksibel memperluas template melalui pengembangan sekunder untuk memenuhi persyaratan skenario tertentu.

• Pemrosesan Data untuk LLM (Kode Github)

• Pemrosesan data untuk LLM (data teks web dari Wikipedia)

• Pemrosesan data untuk LLM (data tesis dari arXiv)

• Pemrosesan data untuk LLM (data SFT dari Alpaca-CoT)

• Pemrosesan Data LLM-Alpaca-Cot (Data SFT)-DLC

• Pemrosesan Data untuk LLM (Kode Github)-DLC

• Penyaringan Gambar-Teks

• Penyaringan dan pelabelan data video

Solusi Lainnya

• Kembangkan solusi pengenalan maksud berbasis LLM