大语言模型学习的重点：
- 模型的训练 / 微调
- 部署模型
- 上层开发（以 LangChain 家族为核心）
- Open API
- Prompt 开发
- RAG 开发
- Agent 开发
训练 train 和 微调 fine-tune 的区别
共同点：
- 都是修改模型的参数
训练：
- 从零开始，训练一个大模型
- 类似买一块布，手动做一条裤子
- 数据量：
- 预训练 18T
- 时间：
- 2个月
- 训练平台：
- 千卡
- 万卡
- H100，A100
微调：
- 从别人训练号的开源大模型开始，去做一个具体任务微调
- 类似买一条成品裤，根据腿长剪裤脚
- 数据量：
- 几十条起
- 时间：
- 几分钟起
- 训练平台：
- 能把模型放下即可
- 4090
三阶段：
第一阶段：预训练
- Pre-Train
- 内功修炼
- 往往是厂家来做
- 自监督
- 无需标注
- 自回归方式训练
- 数据：
- 一段一段的文本
- 成果：
- base 大模型
- 半成品，不是直接用来做任务，而是让下游任务微调
- 只能进行简单的文本续写（不具备质量遵循和函数调用能力）
第二阶段：监督指令微调
- Supervised Finetune
- 对标业务
- 对标具体的任务
- 外功修炼
- 功能：
- 对标人类聊天习惯
- 指令遵循能力（你让它做什么，它就做什么）
- 函数调用能力（大模型能够判断什么时候需要借助外部函数）
- 复杂推理能力（大模型可以分步骤拆解问题和执行相关的推理）
- 数据（知识编辑）：
- 问答对 question answer pair
- system
- user
- assistant
- function_call
- history
- ……
- 两种风格：
- 为了注入知识
- 为了提升能力
- 并行训练
- 优秀是一种习惯
第三阶段：偏好优化
- RLHF：Reinforcement Learning from Human Feedback
- DPO：Direct Preference Optimization
- 一问两答：
- 一问：一个问题
- 两答：
- 一个不好的答案：大模型当前的回答
- 一个好的答案：你修改后的答案
- 这个阶段做的比较少，因为数据比较难整理
- 产物：
- chat
- instruct
全程零代码
- 模型的训练和微调，属于零代码的过程，可能需要做的是数据格式转换。
工程平衡：
- 重点突出我们的微调能力
- 但是，不能太大的破坏原有的能力！
模型的测评
大部分微调都把模型给整废了，而不是越来越好。厂家发布的模型半真半假，一般发布的都是最好的模型，咱们拿来整废了是常态，训练好是一件不太容易的事情。为什么不太容易？怎么就整废了？怎么才能弄好？没有万能公式一步到位，是个不断炼丹尝试的过程，比较玄学。
微调：
- 废了是常态
- 训练好是一件不太容易的事情
考试：
- 全学科考试
- MMLU
- CMMLU
- C-Eval
- ……