在AI大模型飞速发展的今天，那些技术黑话，你真的清楚吗？

预训练模型

预训练模型也称基座模型。是在非常非常大规模的文本（或其他数据类型）数据集上，预先训练好的深度学习模型。

经过训练的大模型，具有广泛的语言理解和生成能力。

GPT 系列就是广为人知的预训练模型。

预训练模型非常昂贵，只有顶级科研机构和企业，才有实力训练基座模型。

Transformer

transformer 单词是变压器的意思，也是《变形金刚》电影的英文名。但是在大模型领域，Transformer 是一种深度学习架构，主要用于处理序列数据，特别是自然语言处理（NLP）任务。

它于 2017 年由谷歌团队提出，是对以往循环神经网络（RNN）和卷积神经网络（CNN）架构的重大革新。

Transformer 架构在诸多 NLP 任务中取得了卓越的性能，推动了大语言模型的快速发展。

Transformer网络架构

大模型进化树

Llama

大语言模型分为开源模型和闭源模型。像是 ChatGPT 和 GPT 4o 都为闭源模型。

Llama 则是开源模型的代表，由 Meta（原 Facebook）开发，全球的研究人员和开发者能够对其进行深入研究、改进和应用。

Llama 有不同的参数规模版本，包括 7B（70 亿个参数）、13B、30B 和 65B 等。参数越多，模型的表达能力越强，但同时对计算资源和存储资源的要求也更高。例如，7B 版本的 Llama 相对较小，适合在一些资源有限的环境下进行部署和应用，而 65B 版本则具有更强的语言处理能力，但需要更强大的计算设备（如高性能 GPU 集群）来运行。

其他开源模型还有，智谱AI 和清华大学联合发布的预训练模型 ChatGLM3。阿里云研发的通义千问系列模型，包括参数规模为18亿（1.8B）、70亿（7B）、140亿（14B）和720亿（72B）。

常见基座模型 Awesome Chinese LLM

Prompt Engineering

Prompt Engineering 提示词工程是指通过设计和优化输入到语言模型中的提示（Prompt）文本，来引导模型生成符合期望的输出。

提示文本就像是给模型的指令或者线索，通过精心设计这个文本，可以更好地利用模型已有的知识和生成能力。

Prompt Engineering 不需要对模型进行重新训练，仅通过调整提示来获得不同的输出。对于一些没有大量训练数据的任务或者临时的生成需求非常有用。

微调（Fine-tune）

如果我想拥有一个『使用中国道家思想和语录进行回答的聊天机器人』，让大模型的输出跟道家高人一样，每句话都希望它能从「周易」「道德经」这样的著作中引经据典。

这样的需求，GPT是做不到的，因为它训练的语料大多数是通用知识，而周易或者道德经这种属于是特定领域的知识。这时候就需要「Fine-tune 微调」。

微调就是在预训练大模型的基础上，针对特定的任务或领域，使用少量的标注数据对模型进行进一步的训练。通过调整模型的参数，使模型能够更好地适应特定任务的要求，提高在该任务上的性能。

提示词工程与微调

RAG

在大模型领域，RAG 是 Retrieval-Augmented Generation 的缩写，即检索增强生成技术，它是一种将信息检索与语言生成相结合的技术，利用外部知识库增强大语言模型的生成能力。

例如通过RAG技术，可以获得一个懂得某一细分法律知识大模型。

与微调技术相比，RAG适用于：

• 知识需要快速更新的领域。

• 对实时性要求不是特别高的应用场景。

• 需要高度可解释性或准确性的场景。

Agent

在大模型领域，Agent也可称为 “智能体” 或 “智能业务助理”。Agent相当于一个任务代理人，可以“理解”用户设定的流程、规则后按自己的想法来处理一系列任务。

OpenAI将“AI Agent”定义为以大模型为大脑驱动，具有自主理解、感知、规划、记忆和使用工具的能力，能自动化执行复杂任务的系统。不同于传统人工智能，AI Agent 具备通过独立思考、调用工具去逐步完成给定目标的能力。

举个简单的例子，如果用户想要进行一次家庭聚餐，大模型可以为其提供就餐地点和店铺相关信息提示，而AI Agent不仅能够提供择店铺建议，还能基于用户预算搜索菜系和店铺，执行预订操作，并将行程添加到日历，还可以发送行程提醒。

目前大家共识，在大模型Agent领域，极有可能出现杀手级应用。

以上就是今天介绍的大模型技术黑话，是不是让你对这个新兴技术领域有了更多认识呢？

下面给大家分享一份2025最新版的大模型学习路线，帮助新人小白更系统、更快速的学习大模型！
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享