当前位置: 代码网 > 服务器>软件设计>开源 > 最强中文开源模型Command R+的在线使用和本地部署的解决方案

最强中文开源模型Command R+的在线使用和本地部署的解决方案

2024年08月06日 开源 我要评论
本文主要介绍了最强中文开源模型Command R+的本地部署和在线使用的解决方案,希望对学习大语言模型的同学们有所帮助。文章目录1. 前言2. 在线使用3. 本地部署

  大家好,我是herosunly。985院校硕士毕业,现担任算法研究员一职,热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名,ccf比赛第二名,科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。

  本文主要介绍了最强中文开源模型command r+的本地部署和在线使用的解决方案,希望对学习大语言模型的同学们有所帮助。

1. 前言

  前段时间某大厂董事长扬言:闭源大模型会持续领先于开源大模型。但事实却和他的发言相反,开源大模型在持续进步,和闭源模型的差距是越来越小。

  那么可能会有同学提出疑问,怎么评价大模型能力呢?从个人的经验来讲,确定数据的榜单的评测结果意义不大,比如mmlu、c-eval等所谓的权威评测,而更有意义的是基于人类的真实反馈,比如uc伯克利的lmsys大模型竞技场的评测。下图为大模型竞技场的排名,参考链接为https://chat.lmsys.org/?leaderboard(需要外网才能打开哈)。
在这里插入图片描述
  当然,每个人的使用场景往往并不相同。所以比较好的使用方法是在先挑选出3~5个待测模型,然后在自己的业务场景中进行实测,从而选择出最适合自己的大模型。

(0)

相关文章:

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站仅提供信息存储服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2386932994@qq.com 举报,一经查实将立刻删除。

发表评论

验证码:
Copyright © 2017-2025  代码网 保留所有权利. 粤ICP备2024248653号
站长QQ:2386932994 | 联系邮箱:2386932994@qq.com