今天继续讲，训练Llama2-Chat模型的方法和创新点
论文阅读[精读]-Llama 2: Open Foundation and Fine-Tuned Chat Models(下)
论文阅读[精读]-Llama 2: Open Foundation and Fine-Tuned Chat Models(上)
一直等李沐老师的视频没等到，那今天我就来为大家讲讲目前最强的开源模型：LLaMA 2。
从Flowformer探讨Attention的线性复杂度
本来想写 Self-Consuming Generative Models Go MAD , 结果突然发现被苏老师抢发了，那就换一篇。
来讲讲软院去年ICML的Flowformer：如果把流图的思想引入到Attention算子中来。
这篇游神在知乎讲过一遍，我来主要分享一下在设计结构时我觉得比较好的一些思想，以及我对于线性attention的一些看法。
论文阅读[粗读]-Meta-Transformer: A Unified Framework for Multimodal Learning
今天来看一篇的新作，如何在不用模态对数据的情况下，炼多模态模型？甚至效果还行？
论文阅读[粗读]-Retentive Network: A Successor to Transformer for Large Language Models
今天来讲讲被称为transformer "后继有模"的retentive network网络：速度更快、占用更少、效果更好。
论文阅读[精读]-Let’s Verify Step by Step
今天聊聊OpenAI 5月份发的一篇老论文：过程监督。这个说法是针对RLHF等技术的结果评价来讲的。他们使用过程监督的GPT4，在数学数据集上极大程度地战胜了结果监督的GPT4
论文阅读[粗读]-Extending Context Window of Large Language Models via Position Interpolation
如何仅用1000步训练(0.01%资源)就将一个在2k context长度上训练的预训练模型的上下文窗口拓展到32k
我其实不想讲这篇，因为我觉得苏剑林老师肯定会讲，并且讲的比我好，但是感觉这个方法还是很有研究价值的，因此分享给大家……
本科毕业感想
不知不觉就毕业了。
论文阅读[粗读]-Self-Supervised Learning from Images with a Joint-Embedding Predictive Architecture
好长时间没写论文阅读笔记了，今天读一下LeCun讲了一年的"世界模型"：新的训练范式、训练快、参数少(0.6B)、效果好、方法简单、概念明确。
我在讲解时会说一些我的思路，因此我里面提到的一些优点、缺点有一些不是论文里说的是我自己的观点，完整故事逻辑大家可以去看原论文，论文写得很好。
论文阅读[精读]-RRHF: Rank Responses to Align Language Models with Human Feedback without tears
论文介绍了一个非常简单的RLHF中PPO的替代品，昨天听了作者的报告，今天来仔细读读。我认为它的思路和calibration有一定的关系。
