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
mit6.82413 分钟前
最近在读黑塞的《玻璃球游戏》-“ai预言“
人工智能
软件派21 分钟前
MiniMax M3.1 Flash 高频业务落地实战指南
大数据·数据库·人工智能
麦豆GEO31 分钟前
ToB企业GEO落地实战指南
大数据·人工智能
火山引擎开发者社区39 分钟前
已升级!DeepSeek-V4.1-Flash-1017限时加量
人工智能
志尊宝44 分钟前
AI原生前端开发(025):端侧AI实战项目:智能笔记助手
人工智能·笔记·ai-native
白日放歌须纵久1 小时前
Claude Skills 升级后行为漂移?用快照基线与黄金任务集做回归验证
人工智能
虎鲸不是鱼1 小时前
AI 自动化逆向(二十六)「已解出」和「已解析」是两回事
人工智能·自动化·大模型·逆向·ai逆向
2601_955662461 小时前
搞笑视频配音怎么做?如何选择有辨识度的声音
大数据·人工智能·音视频·语音识别·媒体
云上先途11 小时前
企业 AI 服务部署周期多久,会不会影响原有业务运转?
大数据·运维·人工智能