写点什么
创作场景
- 记录自己日常工作的实践、心得
- 发表对生活和职场的感悟
- 针对感兴趣的事件发表随笔或者杂谈
- 从 0 到 1 详细介绍你掌握的一门语言、一个技术，或者一个兴趣、爱好
- 或者，就直接把你的个人博客、公众号直接搬到这里
登录/注册
模型融合
收录了 模型融合 频道下的 50 篇内容
因果推断与大模型融合：电商定价策略的变革实践 | QCon 北京
因果推断与大模型的结合是近年来电商定价领域的前沿创新。
多模型融合推荐算法——从原理到实践
为了实现优秀的推荐效果，众多的推荐算法被提出，并在业界使用。但是其中一类方法非常特殊，我们称为多模型融合算法。融合算法的意思是，将多个推荐算法通过特定的方式组合的方法。融合在推荐系统中扮演着极为重要的作用，本文结合达观数据的实践经验为大家进行系统性的介绍。
度小满杨青：传统 AI 与大模型融合，引领金融科技创新浪潮
在金融科技领域快速发展的当下，人工智能（AI）扮演着日益重要的角色。虽然生成式AI技术和大模型时代备受关注，但传统AI在金融行业中的应用依然至关重要，对业务增长的推动作用不可小觑。
融合大模型的对话式语音 AI 变革与技术架构
本文从大模型带来的对话交互变革说起，解析了融合大模型的对话式语音 AI 技术架构，介绍了跨行业应用实践、场景落地及经验教训。
LLM 模型融合实践指南：低成本构建高性能语言模型
编者按：随着大语言模型技术的快速发展，模型融合成为一种低成本但高性能的模型构建新途径。本文作者 Maxime Labonne 利用 mergekit 库探索了四种模型融合方法：SLERP、TIES、DARE和passthrough。通过配置示例和案例分析，作者详细阐释了这些算法的原理及实践
程序员
AI
白海科技
模型融合
mergekit
数据挖掘终篇！一文学习模型融合！从加权融合到 stacking, boosting
模型融合：通过融合多个不同的模型，可能提升机器学习的性能。这一方法在各种机器学习比赛中广泛应用， 也是在比赛的攻坚时刻冲刺Top的关键。而融合模型往往又可以从模型结果，模型自身，样本集等不同的角度进行融合。
阿里云
2024-03-27
0
![数据挖掘实践（金融风控）：金融风控之贷款违约预测挑战赛（下篇）[xgboots/lightgbm/Catboost等模型]--模型融合：stacking、blending](https://static001.geekbang.org/infoq/89/89fc01bf3c4d303a0e5337c23253ca96.jpeg?x-oss-process=image/resize,w_416,h_234)
数据挖掘实践（金融风控）：金融风控之贷款违约预测挑战赛（下篇）[xgboots/lightgbm/Catboost 等模型]-- 模型融合：stacking、blending
相关文章： 数据挖掘实践（金融风控）：金融风控之贷款违约预测挑战赛(上篇)
人工智能
数据挖掘
机器学习
深度学习
数学建模
2023-05-17
0
【机器学习入门与实践】数据挖掘 - 二手车价格交易预测（含 EDA 探索、特征工程、特征优化、模型融合等）
【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）
人工智能
数据挖掘
机器学习
深度学习
模型融合
2023-04-13
0
机器学习实战系列 [一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等
机器学习实战系列[一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等
数据挖掘
机器学习
数学建模
2023-03-31
0
机器学习实战系列 [一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等
机器学习实战系列[一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等
人工智能
数据挖掘
机器学习
LightGBM
2023-04-03
0
大小模型协同在智能投顾领域的应用｜AICon 北京
北银金科的实战经验。
数据挖掘实践（金融风控）：金融风控之贷款违约预测挑战赛（上篇）[xgboots/lightgbm/Catboost 等模型]-- 模型融合：stacking、blending
赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解决实际问题，帮助竞赛新人进行自我练习、自我提高
数据挖掘
机器学习
深度学习
数据建模
2023-05-17
0
达摩院开源具身智能“三大件” 机器人上下文协议首次开源
达摩院宣布开源两款具身智能大模型。
基于去中心化强化学习训练的 320 亿参数模型
INTELLECT-2 基于无需许可的基础设施开发，其轨迹生成、策略更新和训练过程均采用分布式松耦合架构。
多模态对话引擎：从语音表征到 LLM 微调的架构演进和技术实践 | QCon 北京
了解对话式语音 AI 智能体的实现路径和经验教训。
金融智能体真的是大模型落地“最后一公里”？
金融对可靠性、可解释性、准确性等要求高，基于工作流的智能体比自主规划智能体目前来更适合用于生产。
AI 原生数据库的思考
对于企业来讲，大模型基础能力是通用的，私有数据和用户行为才是核心资产，如何通过数据库把这些核心资产用好，决定了企业在 AI 时代的核心竞争力。
中关村论坛见证产学研深度融合，中化信息、吉林大学联手枫清科技布局“AI+ 新材料”
新材料是支撑我国经济社会发展和国家安全的战略性资产。
奥运首个官方大模型基于阿里千问，考文垂：这届奥运为的遗产是 AI 驱动的智能化
消除了语言与地域隔阂～
Copyright © 2026, Geekbang Technology Ltd. All rights reserved. 极客邦控股（北京）有限公司 | 京 ICP 备 16027448 号 - 5
京公网安备 11010502039052号 | 产品资质
京公网安备 11010502039052号 | 产品资质
