提示词prompt、RAG、Agent框架、微调Fine-tuning在实际应用中的落地选择

LLM四大技术底座

大模型应用的四大技术底座

优化流程

大模型技术选择时遵循的路径:首先会使用提示词来进行选底座的过程。

提示词的本质相当于text的填充,提示词的know how能力会扩展到RAG,提示词的指令遵循能力会扩展到FT微调。

RAG和微调的对比

RAG框架

评估RAG框架:RAG评分

微调的好处

  • 提高模型在特定任务上的性能
  • 提高模型的效率
    • 减少在任务中获得良好性能所需的标记数量
    • 将大型模型的专业知识提炼到一个较小的模型中
  • 通过微调的方式,让大模型变成专家模型

微调实践

Agent框架

Agent中可以增加API模块,即:Agent+Function calling。通常使用这种方式来避免微调。

相关推荐
__如果33 分钟前
2024 CVPR Highlight Learning-Feedback
人工智能
ZHOU_WUYI34 分钟前
Autogen_core 测试代码:test_cache_store.py
人工智能·agent
纠结哥_Shrek42 分钟前
独立成分分析 (ICA):用于信号分离或降维
人工智能·python·算法
因_果_律1 小时前
基于 AWS SageMaker 对 DeepSeek-R1-Distilled-Llama-8B 模型的精调与实践
人工智能·云计算·llama·aws·deepseek
QQ_7781329741 小时前
AI 浪潮席卷中国年,开启科技新春新纪元
人工智能·机器学习
图扑软件1 小时前
双子塔楼宇自控可视化管理
前端·javascript·人工智能·智慧城市·数字孪生·可视化·楼宇自控
幻风_huanfeng2 小时前
神经网络梯度爆炸的原因及解决方案
人工智能·深度学习·神经网络
纪伊路上盛名在2 小时前
ML基础-Jupyter notebook中的魔法命令
linux·服务器·人工智能·python·jupyter
洞见新研社2 小时前
人形机器人,自动驾驶“老炮”创业第二站
人工智能·科技
kakaZhui2 小时前
【llm对话系统】大模型源码分析之 LLaMA 模型的 Masked Attention
人工智能·python·chatgpt·aigc·llama