Developing an LLM: Building, Training, Finetuning

摘要

由 Sebastian Raschka 講述建立大型語言模型的三個階段：建構、訓練與微調。觀眾能了解 LLM 運作原理，包括分詞、預訓練及不同型別的微調方法。

This video explains the three stages of developing an LLM: building, training, and finetuning.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• LitGPT
• TinyLlama

適合誰看

適合有程式基礎、想學習如何從零建立或訓練大型語言模型的開發者。

摘要依據

講者

Sebastian Raschka

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.47

新鮮

0.04

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Build an LLM from Scratch 7: Instruction Finetuning影片 ・ Sebastian Raschka ・ 1 小時 46 分
• 【生成式人工智慧與機器學習導論2025】第 7 講：大型語言模型的學習歷程影片 ・ Hung-yi Lee ・ 1 小時 59 分
• Build an LLM from Scratch 6: Finetuning for Classification影片 ・ Sebastian Raschka ・ 2 小時 15 分
• 【生成式AI導論 2024】第7講：大型語言模型修練史 — 第二階段: 名師指點，發揮潛力 (兼談對 ChatGPT 做逆向工程與 LLaMA 時代的開始)影片 ・ Hung-yi Lee ・ 38 分鐘
• How are large language models trained?影片 ・ Google for Developers ・ 10 分鐘
• Deep Dive into LLMs like ChatGPT影片 ・ Andrej Karpathy ・ 3 小時 31 分