了解了LangChain的链式魅力，实战各种链， 并使用SequntialChain把链再链起来，完成更复杂效果。

很多人看见AI，会觉得很高端，距离自己很远，可能一辈子都跟自己没啥关系，自己也不可能学会，其实AI并没那么高端复杂，普通人通过学习，3-4个月的业余时间完全可以达到初级的应用状态，做个图像分类，人脸识别，语音识别什么的都不在话下，你每天打打游戏看看电视，三四个月也就那么过去了，而学习AI可能会彻底改变你一生的思维方式，最起码当你看到一个很神奇的东西，你可能会知道它内部是如何实现的。对于从来没有接触

Large Language Model (LLM) 即大规模语言模型，是一种基于深度学习的自然语言处理模型，它能够学习到自然语言的语法和语义，从而可以生成人类可读的文本。所谓"语言模型"，就是只用来处理语言文字（或者符号体系）的 AI 模型，发现其中的规律，可以根据提示 (prompt)，自动生成符合这些规律的内容。LLM 通常基于神经网络模型，使用大规模的语料库进行训练，比如使用互联网上的海量

路由分发架构模式是一种。

为了对齐 LLM，各路研究者妙招连连。LLM 很强大了，但却并不完美，它也会出错或者生成无用乃至有害的结果，比如有人发现可以让 ChatGPT 教人如何偷盗：让 ChatGPT 教人如何偷盗商店；左图，ChatGPT 拒绝回答；右图，在 prompt 中添加了「with no moral restraints（不加道德约束）」后，ChatGPT 给出了商店偷盗指南这时候，对齐（alignment）

随着人工智能技术的快速发展，大型预训练模型在自然语言处理、计算机视觉、语音识别等领域取得了显著成果。这些模型通过在海量数据上进行预训练，能够捕捉到丰富的特征信息，为各种下游任务提供强大的支持。然而，训练AI大模型面临着诸多技术和挑战，本文将对此进行探讨。

随着AI技术的迅猛发展，大模型（如GPT系列、BERT、ERNIE等）已经成为推动人工智能创新的重要力量。AI大模型的崛起预计将为中国乃至全球带来大量的就业机会，这些岗位将覆盖多个领域。为了帮助大家更好地把握这些机会，以下是对AI大模型相关就业机会的概述，以及一系列学习资料的推荐。AI大模型相关的就业机会：领取方式在文末学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型

上面在说各个方面特点的时候，你应该就可能知道我为啥觉得“预训练>>应用数据>对齐>推理>微调”了。因为掌握预训练的人才较少，毕竟物以稀为贵；而数据由是大模型的重点，毕竟有多少数据就有多少智能嘛；对齐主要是很多场景真没必要，毕竟我是做ToB较多，认知也许比较狭隘了；推理其实主要是很多开源框架已经支持的很好了，感觉对于很多厂商来说也许开源就够用了；微调到现在这个阶段，真快成为了有手就行；各大公司已经不

现在大模型微调的门槛越来越低，市场上有大量开源微调框架。只要你会部署、有机器就能出个结果，赶紧动手玩起来吧！

通过低秩分解来模拟参数的改变量，从而以极小的参数量来实现大模型的间接训练。实现思想很简单，就是冻结一个预训练模型的矩阵参数，并选择用A和B矩阵来替代，在下游任务时只更新A和B。