文章目录
- 如何打造自己的大模型
- 1 新时代职场人应用AIGC的5重境界
- 2 人人需要掌握的大模型原理
- 职场人都能听懂的大语音模型的训练过程
- 职场人都能听得懂的大语言模型的Transformer推理过程
- 3 如何构建自己的大模型
- 需要具备三个方面的能力
- LangChain是什么？
- LangChain主要功能
- LangChain核心组成
如何打造自己的大模型
1 新时代职场人应用AIGC的5重境界
- 第一、简单对话 + Ctrl-C/V 结果：人人都行
- 第二、Prompt Engineering：系统掌握 Prompt 提示词技能，赋能工作真正提效
- 第三、把AIGC融入业务流程，指挥AIGC做复杂任务：掌握好 AIGC 技能、真正懂业务领域知识
- 第四、拥有自己的大模型：懂大模型原理、基于开源大模型微调（Fine-tune）、有行业数据壁垒
- 第五、参与设计训练大模型：OpenAI等大模型公司
思考：自己处于哪种境界？
2 人人需要掌握的大模型原理
职场人都能听懂的大语音模型的训练过程
- 第一阶段：传统的有监督训练
- 第二阶段：奖励模型
- 第三阶段：运用奖励模型，一问一回答一打分，不断进行反馈迭代强化学习
职场人都能听得懂的大语言模型的Transformer推理过程
- Transformer：在 Transformer 之前，最大的问题就是遗忘（记不住上下文信息）
- Transformer：通过**注意力机制（Attention）**解决遗忘问题
- The：第一个，前面没有关联
- FBI：前面会关联 The
- is：前面会关联 FBI
- chasing：前面会关联 FBI、is
- …
- Transformer：整个流程设计（大模型的核心）——2017年提出
- Transformer：Encoder 将输入“序列”中的信息提取出来
- Transformer：Encoder-Attention 将重要信息提取出来
- Transformer：Encoder-Attention 将重要信息提取出来，会有一些更复杂的计算细节
3 如何构建自己的大模型
需要具备三个方面的能力
- Prompt Engineer（提示词工程）
- LangChain（一个框架的名字）
- Fine-tuning（微调）
LangChain是什么？
- 面向大模型的开发框架
- 简单实现复杂功能的 AIGC 应用
- 多组件封装
- LangChain 推荐资料：https://wx.zsxq.com/dweb2/index/topic_detail/211842521158511
LangChain主要功能
LangChain核心组成
- 组件
- 封装
- 模块
- LangChain 核心组成：I/O模块
- Prompts：主要管理、协助构建送入 Model 的输入
- Language Modes：用何种 Model
- Output parsers：解析输出结果
- LangChain 核心组成：I/O模块流程
- Prompts：归一化
- Language Modes：预测
- Output parsers：归一化
- LangChain 核心组成：数据链路（Data Connection）模块
- Source：支持各种异构数据源
- Load：加载
- Transform：变换
- Embed：向量化
- Store：存储向量数据库
- Retrieve：检索
- LangChain 核心组成：数据链路（Data Connection）模块——Load
- LangChain 核心组成：数据链路（Data Connection）模块——Transform
- LangChain 核心组成：数据链路（Data Connection）模块——Embed
- LangChain 核心组成：数据链路（Data Connection）模块——Embed-相识度核心原理（“向量”距离）
- LangChain 核心组成：数据链路（Data Connection）模块——Vector Store
- LangChain 核心组成：记忆（Memory）模块，针对多轮对话强相关
- LangChain 核心组成：记忆（Memory）模块，针对多轮对话强相关
- LangChain 核心组成：数据链路（Data Connection）模块——Vector Store
- LangChain 核心组成：数据链路（Data Connection）模块——Embed-相识度核心原理（“向量”距离）
- LangChain 核心组成：数据链路（Data Connection）模块——Embed
- LangChain 核心组成：数据链路（Data Connection）模块——Transform
- LangChain 核心组成：数据链路（Data Connection）模块——Load
- LangChain 核心组成：数据链路（Data Connection）模块
- LangChain 核心组成：I/O模块流程
- LangChain 核心组成：I/O模块
- LangChain 推荐资料：https://wx.zsxq.com/dweb2/index/topic_detail/211842521158511
- Transformer：Encoder-Attention 将重要信息提取出来，会有一些更复杂的计算细节
- Transformer：Encoder-Attention 将重要信息提取出来
- Transformer：Encoder 将输入“序列”中的信息提取出来
- Transformer：整个流程设计（大模型的核心）——2017年提出
- Transformer：通过**注意力机制（Attention）**解决遗忘问题
- Transformer：在 Transformer 之前，最大的问题就是遗忘（记不住上下文信息）
