在AI大模型飞速发展的今天，那些技术黑话，你真的清楚吗？

前排提示，文末有大模型AGI-CSDN独家资料包哦！

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？

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓