AI 开发 教程
系统化的 AI 开发学习路径。从提示词工程到模型微调，从 RAG 到 Agent 开发，覆盖 AI 应用开发全栈知识。共 98 篇教程，6 个分类，入门到高级全覆盖。
找到 15 篇教程
DeepSeek 模型评估与基准测试
DeepSeek 模型完整评估指南：MMLU、HumanEval、GSM8K、MT-Bench 等主流基准测试结果。DeepSeek-V3 vs GPT-4o vs Claude 3.5 全方位对比，含评测代码和选型建议。
阅读教程 →DeepSeek 数据工程教程
从数据采集到质量评估，完整掌握大模型数据工程流水线。涵盖 SFT 数据集构建、RLHF 偏好数据准备、数据清洗去重、数据增强、大规模数据处理等核心环节。
阅读教程 →DeepSeek 模型架构深度解析
深入解析 DeepSeek-V3 的 MoE 架构、MLA 注意力机制、Multi-Token Prediction 等核心技术。理解 DeepSeek 如何以极低成本实现 GPT-4o 级别的性能，含架构图解和源码分析。
阅读教程 →DeepSeek 微调实战教程
DeepSeek 模型微调全流程实战：LoRA/QLoRA 高效微调、全参数微调、数据准备、训练配置、评估验证。覆盖 DeepSeek-V3 和 DeepSeek-R1 的微调方案，含完整代码和最佳实践。
阅读教程 →QLoRA 微调实战指南
全参数微调成本高昂，QLoRA通过4-bit量化+低秩适配让普通开发者在消费级GPU上就能微调大模型。本文手把手带你完成从数据准备到模型部署的完整QLoRA微调流程，使用DeepSeek模型作为基座。
阅读教程 →微调数据集构建的艺术
微调效果的上限由数据质量决定，而非模型或算法。本文深入讲解微调数据集的构建方法论——从数据来源、质量控制、多样性保障到数据配比策略，帮你构建高质量的微调数据集。
阅读教程 →模型评估与 A/B 测试
微调完成后，如何客观评估模型效果？A/B测试如何设计才能得到统计显著的结论？本文从离线评估、在线A/B测试和统计显著性三个维度，建立科学的模型效果评估体系。
阅读教程 →LoRA vs QLoRA vs Full Fine-tuning 全面对比
全面对比LoRA、QLoRA和全量微调三种方案，从原理、显存、训练速度、最终效果等维度分析，帮你做出正确的技术选型。
阅读教程 →指令微调数据构造实战
数据质量决定微调效果的上限。本文讲解指令微调数据的构造方法，包括数据来源、清洗策略、质量评估、数据增强和配比设计。
阅读教程 →模型量化部署实战
量化是降低模型推理成本的关键技术。本文从INT8到INT4，系统讲解模型量化的原理、工具链和部署实践，让你的模型在消费级硬件上高效运行。
阅读教程 →DPO 偏好对齐训练详解
DPO（Direct Preference Optimization）是RLHF的简化替代方案，无需训练奖励模型。本文深入讲解DPO的原理、实现细节和训练技巧。
阅读教程 →大模型评估与基准测试全指南
如何客观评价大模型的能力？本文系统讲解 MMLU、HumanEval、C-Eval 等主流基准测试，以及 LLM-as-Judge、竞技场排名等评估方法，帮助你建立科学的模型评估体系。
阅读教程 →数据集构建与质量评估
数据质量决定了微调效果的上限。本文系统讲解微调数据集的构建方法、数据清洗策略、质量评估指标以及数据增强技术，帮助你构建高质量的微调数据集。
阅读教程 →QLoRA量化微调实战
QLoRA通过4-bit量化将大模型微调的内存需求降低到极致。本文深入讲解QLoRA的技术原理、NF4量化、双重量化等关键技术，并提供完整的实战代码。
阅读教程 →LoRA微调完全指南
LoRA是当前最流行的参数高效微调方法。本文从原理到实践，全面讲解LoRA微调的完整流程，包括环境配置、数据集准备、训练参数设置和模型评估。
阅读教程 →