核心内容摘要
探寻“天使面孔”的独特魅力：濑户环奈的荧幕与生活二三事
这篇文章全面介绍了大模型的基础知识包括定义、应用场景、分类方式、发展历史和工作原理。
详细解释了大模型的参数规模和Transformer架构介绍了多种训练方法如预训练、微调和提示词工程等。
特别强调了提示词设计的重要性提供了明确性、相关性、引导性等设计法则及实际示例适合初学者快速了解大模型的核心概念和实用技巧。
什么是大模型应用场景分类按应用场景按输入/输出内容历史原理参数Transformer训练提示词工程什么是promptprompt设计法则prompt设计说明prompt设计示例什么是大模型大模型通常指LLMLarge Language Model 大语言模型是一种基于深度学习构建的人工智能模型。
具备强大的理解、分析、生成能力。
训练一个大模型往往需要大量数据、大量存储、大量计算、大量硬件消耗。
应用场景内容创作写诗作文制作音乐或者电影具身机器人跳舞、收拾房间、工厂里面工作科研蛋白质结构预测和分析新材料研发分类按应用场景通用大模型不针对特定领域具备广泛的知识储备和多种任务处理能力可灵活应用于日常对话、文本创作、信息查询等多种场景。
领域专用大模型聚焦于某一特定领域在该领域内的知识深度和任务处理精度上更具优势。
按输入/输出内容语言大模型专注自然语言处理如文字创作问答助手视觉大模型智能机器人、智能驾驶多模态大模型即混合专家模型MOE是一种模型设计策略他通过将多个模型直接结合在一起以获得更好的预测性 能。
在大模型中MOE方案可以提高模型的容量和效率。
当数据流经过MOE层时每个输入标记动态的 被路由到一部分专家进行计算这种方式允许更有效的计算并且因为每个专家在特定任务上变得更专业 化所有能够得到更好的效果。
历史2022年11月OpenAI发布GPT-
5模型驱动的ChatGPT。
2024年3月OpenAI发布GPT-4o支持多模态语音对话用户多模态个性化场景。
2024年12月OpenAI发布OpenAI -o1模型此模型专注于复杂任务的推理2025年Deepseek-R1发布并开源成为首个可商用o1级别的推理模型火爆全网。
原理参数大模型的参数就像是人的大脑神经元。
神经元越多大脑处理能力越强同理大模型的参数越多推理能力越强推理结果越准确。
模型的参数越大拟合复杂情况的能力越强。
模型参数不多扩大量变将带来质变“智能”开始出现。
TransformerTransformer 是用于训练大语言模型LLM的基础架构通过自注意力机制Self - Attention、多头注意力机制Multi - Head Attention和前馈神经网络Feed Forward Network等组件能够有效地处理文本序列捕捉文本中的语义信息和长距离依赖关系为 LLM 的训练提供了强大的基础使其能够学习到丰富的语言知识和模式从而具备强大的语言理解和生成能力训练训练方式预训练Pre-Train阅读大量基础学科的数据这些数据往往无任何标注SFT全参数微调使用少量标注数据对大模型进行微调会修改模型全量参数SFT部分参数微调使用比“SFT全参数微调”更少的标注数据对大模型进行微调不需要修改模型参数。
RLHF基于人类反馈的强化学习构建奖励模型人类对大模型输出结果结果进行评分将评分结果反馈给大模型大模型不断自我优化Prompt提示词工程不需要标注数据指导模型在推理过程中提取关键信息训练原理大语言模型理解—推理—生成视觉大模型目标检测— 语义分割—图像分类语音大模型语音识别—语音合成—语义理解多模态大模型文生图—文生视频—跨模态理解科学计算大模型问题求解—数值模拟—系统建模提示词工程什么是promptprompt作为预设的导航指令是用户和大模型沟通的桥梁编写质量上乘的prompt提示词可以提高大模型输出内容的质量、范围、风格。
prompt设计法则明确性提示词必须清晰、具体、避免出现歧义相关性提示词需要与任务或者对话上下文高度相关应紧密围绕某一主题或者目标引导性引导大模型用特定方向或者风格输出角色扮演通过给大模型指定某一个角色如高速大模型你是大学老师大模型会模仿该角色的语言风格设身处地身临其境的思考思维链技术一步一步引导模型拆分任务分步推理结构化引导让模型逐渐深入理解问题少样本学习通过提供少量示例来引导大模型理解任务需求并生成高质量回复prompt设计说明一个好的prompt应该包含以下内容一项或多项任务描述告诉大模型目标是什么规则说明任务要求具体规则
注意事项甚至可以指定大模型的角色示例提供样例供大模型参考输入参数告诉大模型应该如何处理输入参数设计语法可以用#号来突出和强调可以用 - 号来结构化组织语言prompt设计示例# 任务描述你需要为用户设计一条个性化的旅游路线结合用户提供的旅游地、游玩天数、预算、兴趣偏好等信息规划包含交通、住宿、景点、美食的详细行程安排。
# 规则说明- 以专业旅游规划师的角色进行设计确保行程合理且具有可行性。
- 行程需涵盖每日具体安排包括上午、下午、晚上的活动规划精确到时间节点。
- 交通方式推荐要考虑成本与效率提供多种选择并注明价格区间。
- 住宿推荐需区分不同预算档位经济型、舒适型、豪华型给出具体酒店名称及位置优势。
- 景点介绍要包含特色亮点与门票价格美食推荐需注明店铺名称、招牌菜品及人均消费。
- 注意劳逸结合每天安排的景点数量不宜超过3个避免行程过于紧凑。
# 示例用户输入旅游地为成都游玩天数 3 天预算中等兴趣偏好为美食、历史文化。
大模型输出第一天上午8:
:30乘坐地铁前往武侯祠感受三国文化门票 50 元。
游览结束后在附近的 “老房子・川菜博物馆” 品尝经典川菜人均 80 元。
下午13:
:00步行前往锦里古街欣赏古色古香的建筑体验民俗文化免费参观。
在街边小店品尝三大炮、糖油果子等特色小吃。
晚上18:
:00打车前往宽窄巷子观赏夜景打卡特色网红餐厅 “饕林餐厅”人均 90 元。
住宿推荐舒适型可选择 “成都博舍酒店”位于太古里商圈出行便捷每晚约 1200 元经济型可选择 “汉庭酒店成都宽窄巷子店”性价比高每晚约 300 元。
第二天上午9:
:00乘坐景区直通车前往杜甫草堂感受诗圣故居的文化氛围门票 50 元。
附近午餐可选择 “陈麻婆豆腐杜甫草堂店”品尝招牌麻婆豆腐人均 70 元。
下午13:
:30打车前往金沙遗址博物馆探索古蜀文明门票 70 元。
晚上18:
:30在博物馆附近的 “钟水饺蜀汉路店” 享用晚餐人均 40 元之后返回酒店休息。
第三天上午9:
:00前往成都大熊猫繁育研究基地看可爱的大熊猫门票 55 元。
午餐在基地内的餐厅解决人均 30 元。
下午13:
:00返回市区在春熙路逛街购物感受成都繁华商圈氛围免费。
晚上17:
:00在春熙路的 “小龙坎火锅春熙店” 享用地道成都火锅人均 100 元之后结束行程。
# 输入参数旅游地具体城市或地区、游玩天数具体数字、预算分为低、中、高或具体金额范围、兴趣偏好如自然风光、历史古迹、美食、购物等可多项根据这些输入参数严格按照规则说明进行旅游路线设计 。
如何学习AI大模型如果你对AI大模型入门感兴趣那么你需要的话可以点击这里大模型重磅福利入门进阶全套104G学习资源包免费分享这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】这是一份大模型从零基础到进阶的学习路线大纲全览小伙伴们记得点个收藏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。
100套AI大模型商业化落地方案大模型全套视频教程200本大模型PDF书籍学会后的收获• 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。
LLM面试题合集大模型产品经理资源合集大模型项目实战合集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】