全部文档 / 标签: Alpaca

2 篇

最强AI交易机器人搭建指南：Opus 5.5 + Jev

作者介绍如何结合Anthropic最新Opus 5.5模型与TypeSafe AI推出的新型'System One'模型Jev，构建高频AI交易机器人。Jev不生成文本，而是对预设结果进行概率评估，速度和成本比GPT/Claude低200-400倍，响应仅70-500毫秒，非常适合高频和新闻交易。架构设计上，Opus 5.5负责策略设计与回测等高层思考，Jev作为决策层实时输出概率信号，配合止损止盈策略和交易所执行层完成交易。文章还涵盖技术部署（Alpaca纸面交易或VPS服务器）、策略挖掘方法论：大量回测、过滤幸存策略、前向测试、小资金实盘验证等步骤。

投资 › 加密货币

Miles Deutscher 2026-10-2612.1 KB 716.7K 337 68

AI交易机器人量化交易 Jev Opus 5.5 高频交易策略回测 Alpaca 新闻交易

指令微调：理解 Instruction Tuning

本文是后训练系列第二篇，介绍指令微调（SFT）。以斯坦福 Alpaca 用 52,000 条自动生成的数据微调 LLaMA 7B 为例，说明指令微调与预训练使用相同的下一个 token 预测损失，但数据和任务不同。文章详细讲解训练五步骤：收集、格式化、掩码、训练、评测，并通过 LIMA 和 FLAN 研究说明指令微调主要改变模型行为方式而非增加知识，少量数据即可泛化到新任务。还介绍了损失掩码原理、位置错开的实现细节、指令数据的三种来源及其局限：无法补充知识、比较回答优劣或检验正确性。

技术 › LLM

Dongxi 东锡 NLP 2026-10-2312.4 KB 8.9K 59 83

指令微调 SFT LLaMA Alpaca 后训练损失掩码 LoRA 机器学习 NLP