【ICML2025】大模型后训练性能4倍提升！阿里云PAI团队研究成果ChunkFlow中选
近日，阿里云 PAI 团队、通义实验室与中国科学院大学前沿交叉科学学院合作在机器学习顶级会议 ICML 2025 上发表论文 Efficient Long Context Fine-tuning with Chunk Flow。ChunkFlow 作为阿里云在变长和超长序列数据集上高效训练解决方案，针对处理变长和超长序列数据的性能问题，提出了以 Chunk 为中心的训练机制，支撑 Qwen 全系列模型的长序列续训练和微调任务，在阿里云内部的大量的业务上带来2倍以上的端到端性能收益，大大降低了训练消耗的 GPU 卡时。
10分钟，用 EvalScope 让文生图模型评估“有理有据”
AI画师们卷出新高度，人类评审却还在搬砖打分？传统文生图模型评测依赖人工标注与主观判断，周期长、成本高、易偏差。魔搭社区推出一站式模型评测框架EvalScope，支持全自动打标、多维雷达图与可视化报告，大幅提升评测效率。10分钟掌握EvalScope，轻松为文生图模型自动评分，让模型“卷”得明明白白！
QLoRA究竟如何从LoRA进化而来并成为AI工程师的必备技能？
本文AI产品专家三桥君深入解析了QLoRA技术在AI领域的关键作用。作为LoRA（低秩自适应）的升级版，QLoRA通过4位NormalFloat量化、双重量化和分页优化器三大核心技术，显著降低大模型微调的显存占用，同时保持性能。三桥君从技术背景、原理、应用场景（个人开发、企业定制、边缘设备）及未来潜力展开，指出QLoRA已成为AI工程师的必备技能，并预测其将继续推动AI技术发展。
MCP中台，究竟如何实现多模型、多渠道、多环境的统一管控？如何以MCP为核心设计AI应用架构？
本文产品专家三桥君探讨了以 MCP 为核心的 AI 应用架构设计，从统一接入、数据管理、服务编排到部署策略等维度，系统化分析了 AI 落地的关键环节。重点介绍了 API 网关的多终端适配、数据异步处理流程、LLM 服务的灰度发布与 Fallback 机制，以及 MCP Server 作为核心枢纽的调度功能。同时对比了公有云 API、私有化 GPU 和无服务器部署的适用场景，强调通过全链路监控与智能告警保障系统稳定性。该架构为企业高效整合 AI 能力提供了实践路径，平衡性能、成本与灵活性需求。
10分钟微调，让0.6B模型媲美235B模型！免费体验进行中
本方案介绍如何通过模型蒸馏技术，利用大参数模型生成数据并微调小参数模型（如 Qwen3-0.6B），使其在特定任务（如从一句话中提取结构化信息）中达到接近大模型的效果。通过 GPU 云服务器进行高效微调，结合魔搭社区的 ms-swift 框架，用户可快速完成模型训练与部署，显著提升推理速度并降低成本。方案包含详细步骤：数据准备、模型微调、效果验证及部署建议，并提供免费试用资源，助力开发者快速上手实践。