github copilot vscode插件 没有模型
之前连服务器因为vscode升级对老机子ssh的不支持，所以vscode给锁到一个版本了。
操作:
- 去github这个链接把要用的模型的都enable
- 卸载重装copilot插件
点齿轮设置，更新vscode
网上找了一圈，最后看插件版本跟别人差着一代，才想到应该是我vscode版本太低了
Read more
大模型微调主要框架 Firefly vs LLaMA Factory 全方位对比表
Firefly vs LLaMA Factory 全方位对比表 + 生物医药垂类微调选型建议 一、核心维度对比表格 对比维度Firefly（流萤）LLaMA Factory开发主体个人开源：杨建新（YeungNLP），前Shopee NLP工程师，中山大学硕士社区开源：hiyouga核心维护，全球开源社区协同迭代项目定位聚焦中文大模型的轻量化训练框架+配套中文优化模型通用型全栈大模型微调框架，无语言/模型偏向，极致兼容支持基座模型以中文友好模型为主（Llama系列、Qwen、ChatGLM、Firefly自训模型），覆盖有限但深度适配全主流开源模型全覆盖（Llama、Qwen、Mistral、DeepSeek、GLM、Yi、Firefly等），几乎无适配成本支持微调方式基础SFT、LoRA/QLoRA、增量预训练，进阶对齐方法较少SFT、DPO/IPO/KTO、RLHF、预训练、多模态微调，全流程对齐方案完整中文优化原生深度优化：中文分词、语料、表达逻辑专项适配，
Llama 3-8B-Instruct 在昇腾 NPU 上的 SGLang 性能实测
1.引言 随着大模型在各类智能应用中的广泛应用，高效的推理硬件成为关键瓶颈。昇腾 NPU（Ascend Neural Processing Unit）凭借其高算力、低能耗以及对 SGLang 的深度优化，能够显著提升大模型推理性能。本文以 Llama 3-8B-Instruct 为例，通过在昇腾 NPU 上的实测，展示其在吞吐量、延迟和资源利用方面的优势，并探索可行的优化策略，为开发者在今后的开发中提供可参考的案例。 在本篇文章中我们会使用到Gitcode的Notebook来进行实战，GitCode Notebook 提供了开箱即用的云端开发环境，支持 Python、SGLang 及昇腾 NPU 相关依赖，无需本地复杂环境配置即可直接运行代码和进行实验。对于没有硬件平台的小伙伴来说是非常便利的。 GitCode Notebook使用链接：https://gitcode.com/user/m0_49476241/notebook。 2.实验环境与准备 2.
【AIGC】Claude Code的三大模式
Claude Code 主要有三大核心权限/执行模式（默认、自动编辑、计划），以及思考强度模式、危险模式等辅助模式。 一、三大核心执行模式（权限控制） 这是最常用的三种模式，控制 Claude 对文件与命令的自动化程度，可通过 Shift+Tab 循环切换。 1. 默认模式（Normal / Manual Approval） * 状态栏：? for shortcuts * 行为：每次文件编辑、命令执行前都需要你手动批准（Y/N/跳过） * 适用：学习阶段、不熟悉的项目、重要/敏感修改、需要精细控制 * 特点：最安全、掌控感最强，但效率较低 2. 自动编辑模式（Auto-Accept / Accept Edits） * 状态栏：
蓝耘智算 + 通义万相 2.1：为 AIGC 装上 “智能翅膀”，翱翔创作新天空
1. 引言：AIGC 的崛起与挑战 在过去几年中，人工智能生成内容（AIGC）技术突飞猛进。AIGC 涉及了文本生成、图像创作、音乐创作、视频制作等多个领域，并逐渐渗透到日常生活的方方面面。传统的内容创作方式已经被许多人类创作者所推崇，但随着时间的推移，人工智能的出现使得创作的边界变得更加模糊。 然而，尽管人工智能技术取得了巨大进展，如何高效地将 AI 模型与计算平台结合，以便为 AIGC 提供更加高效、智能的支持，仍然是一个关键问题。蓝耘智算与通义万相 2.1 的结合为解决这一问题提供了新的方向。这种创新的技术融合使得 AIGC 可以不仅仅依赖于数据处理的能力，还可以实现智能化的生成和创作，推动内容创作的未来。 2. 蓝耘智算：为 AIGC 提供智能支持 2.1 蓝耘智算简介 蓝耘智算是一种综合性计算平台，专注于为大规模人工智能应用提供优化计算资源。在过去几年中，蓝耘智算不断发展壮大，已成为许多行业中的顶尖计算平台之一，广泛应用于机器学习、