75bc9a76d0
更新了论文的LaTeX和Markdown文件，包括绪论、相关技术介绍、需求分析、关键技术实现、总结与展望等章节。新增了详细的Markdown文件，涵盖了各章节的内容，并对LaTeX文件进行了相应的修改和补充，确保内容一致性和完整性。
2.0 KiB
2.0 KiB
毕业论文分点
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文结构安排
1.4 小结
第二章 相关技术介绍
2.1 大型语言模型 (LLM)
2.1.1 LLM 的发展与应用
2.1.2 LLM 辅助编码
2.2 提示工程技术
2.3 模型量化技术
2.4 QLoRA 微调方法
2.5 unsloth算子
2.6 Gradio 框架
第三章 需求分析
3.1 项目整体介绍
3.2 功能需求分析
3.2.1 训练语料生成功能
3.2.2 模型微调功能
3.2.3 自动化整合功能
3.2.4 前端展示功能
3.3 非功能需求分析
3.3.1 性能要求
3.3.2 扩展性要求
第四章 关键技术实现
1.系统架构设计
1.1 整体架构设计
1.2 模块划分与交互流程
2.数据库设计与实现
2.1 双数据库架构设计(SQLite+TinyDB)
2.2 数据模型定义与存储方案
2.3 数据库初始化与管理实现
3.语料生成与处理技术
3.1 Markdown文档解析
3.2 prompt模板套用和提示词格式引导
3.3 OpenAI API的协程并发语料生成
3.4 json格式校验、反序列化和持久化
4.语言模型训练技术
4.1 监督式微调（SFT）概述
4.2 训练数据准备与格式化
4.3 参数高效微调技术：LoRA（Low-Rank Adaptation）
4.4 训练流程实现与配置
4.5 训练监控与持久化
4.6 模型训练执行与监控
4.7 模型保存与导出
5.前端交互系统实现
5.1 Gradio交互框架设计
5.2 全局状态管理机制
5.3 前后端数据流设计
5.4 流式响应与实时反馈
5.5 异常处理与用户反馈
5.6 基于子进程tensorboard的训练监控
6. 扩展性实现
第五章 总结与展望
5.1 研究工作总结
5.2 不足与局限性
5.3 未来展望
参考文献
致谢