参考：https://github.com/tloen/alpaca-lora/issues/609链接出的一个回答

https://github.com/slai-labs/get-beam/issues/94中将下段代码注释掉：

    model.state_dict = (
        lambda self, *_, **__: get_peft_model_state_dict(self, old_state_dict())
    ).__get__(model, type(model))
# 深度学习
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

AI的提示词专栏：Prompt 与 Python Pandas 的结合使用指南

等级特征典型做法L1 探索人工写 Prompt，人工跑 Pandas临时性、一次性分析L2 标准化Prompt 模板化，代码生成 + 自动校验团队内可复用、可测试L3 流水线采集→清洗→计算→解读 全自动，含治理与监控生产级、可观测、可审计Prompt 与 Pandas 的结合，本质是把**“会算”（Pandas 的确定性）与Layer 1：用 Prompt 指挥 AI 生成可验证的 Pandas

avatar 2048 AI社区

AI 生成代码后的测试清单：单元、集成、数据、权限与业务验收五层配置方法

AI 生成代码的测试配置，按五层搭骨架：单元、集成与接口、数据一致性、权限与安全、回归与业务验收，每层对应一类不可替代的风险。用例设计锚定需求条目而非实现代码，AI 可以加速测试代码生成但断言设计由人负责。按项目风险集中点裁剪投入，静态检查做前置分流，需求变更触发的定向回归纳入常备资产。这套清单的意义是让测试跟上生成的速度——生成越快，验证越要有章法。如果希望了解生成侧的静态检查与结构化约束如何为

avatar 2048 AI社区
cover

DeepSeek 昨晚上新，我的 WorkBuddy 变快了

avatar 2048 AI社区