书生·浦语大模型实战1

书生·浦语大模型全链路开源体系

视频链接:书生·浦语大模型全链路开源体系_哔哩哔哩_bilibili

大模型之所以能收到这么高的关注度,一个重要原因是大模型是发展通用人工智能的重要途径

深度信念网络:

(1)又被称为贝叶斯网络,是一种有向无环图

(2)可以在任意叶子节点生成无偏的样本集合

(3)通过不断积累RBM(受限玻尔兹曼机)形成。每当一个RBM被训练完成时,其隐藏单元又可以作为后一层RBM的输入

(4)DBN的基本思想是允许每一次RBM模型接收数据的不同表示

书生 · 浦语大模型开源历程

书生·浦语大模型实战1_第1张图片

书生 · 浦语大模型系列

书生·浦语大模型实战1_第2张图片

已经完成了覆盖轻量级、中量级、重量级的一套系列

InternLM-7B:方便部署,社区低成本可用最佳模型规模

InternLM-20B:商业场景可开发定制高精度,较小模型规模

InternLM-123B:通用大语言模型能力全面覆盖,千亿模型规模

书生 · 浦语20B开源大模型性能

在综合考试、知识问答、阅读理解、推理、编程等任务中展现的能力都要超过相近量级的其他模型

值得一提的是InternLM-20B以不到三分之一的参数量,达到了Llama2-70B的水平,在很多数据集上能够接近甚至超越

从模型到应用

书生·浦语大模型实战1_第3张图片

这是一个比较典型的例子:

我们从开源社区提供的开源模型中关注模型的能力,比如在不同维度上的的能力、针对应用场景比较相关的能力

如果业务场景比较复杂,直接用开源模型可能没法满足需求,需要微调;如果业务场景比较简单,我们可以通过一些prompt engineering的方式,把模型接入到业务场景

在某些业务场景中需要与外界环境交互,比如需要调用外部的一些API或者和已有的业务数据库进行交互,这时构建一个Agent在业务场景会有更好的表现

书生·浦语大模型全链路开源体系

书生·浦语大模型实战1_第4张图片

针对模型到应用的过程,开源了书生·浦语大模型全链路开源体系

Lagent是一个轻量级的Agent搭建框架

AgentLego提供了供大模型调用的工具箱

数据

书生·浦语大模型实战1_第5张图片

书生·浦语大模型实战1_第6张图片

预训练

书生·浦语大模型实战1_第7张图片

微调

书生·浦语大模型实战1_第8张图片

评测

书生·浦语大模型实战1_第9张图片

书生·浦语大模型实战1_第10张图片

书生·浦语大模型实战1_第11张图片

书生·浦语大模型实战1_第12张图片

部署

书生·浦语大模型实战1_第13张图片

书生·浦语大模型实战1_第14张图片

书生·浦语大模型实战1_第15张图片

智能体

书生·浦语大模型实战1_第16张图片

书生·浦语大模型实战1_第17张图片

书生·浦语大模型实战1_第18张图片

你可能感兴趣的:(人工智能)