大模型初识

 -使用与训练：预训练->SFT(监督微调)->RLHF(基于人类反馈的强化学习-奖励机制)

 

-大模型的特点

 规模和参数量大；拥有数亿到数千亿级别的参数数量。

适应性和灵活性强；能够通过微调或少量样本学习高效地迁移到各种下游任务，有很强的跨域能力。

广泛数据集的预训练；使用大量多样化的数据进行预训练，能够掌握预言图像等数据的通用特征。

计算资源需求大；带来了高昂的计算和资源需求。

 

 

 

-大模型的分类

大预言模型（LLM）

多模态模型-计算机视觉模型，音频、视频处理模型

 

 

-大模型的工作流程

分词化与词表映射

 

-大语言模型生成文本的过程

 

-大模型的应用

如 通义千问（阿里）等