前言
LLM 技术图谱(LLM Tech Map)是将 LLM 相关技术进行系统化和图形化的呈现,此图谱主要特点是“专注于技术人视角”,不求从 LLM 产业角度汇聚信息,而是希望让从事相关工作或是想了解 LLM 的技术人有一个快速感知。
LLM 技术图谱(LLM Tech Map)从基础设施、大模型、Agent、AI 编程、工具和平台,以及算力几个方面,为开发者整理了当前 LLM 中最为热门和硬核的技术领域以及相关的软件产品和开源项目。
核心价值:帮助技术人快速了解 LLM 的核心技术和关键方向。
1.基础设施
LLM 技术图谱(LLM Tech Map)的基础设施部分主要包括以下几个方面:
- 向量数据库:向量数据库是专门用于存储和检索向量数据的数据库,它可以为 LLM 提供高效的存储和检索能力。
- 数据库向量支持:传统数据库通常不支持向量数据的存储和检索,数据库向量支持可以为传统数据库添加向量数据的存储和检索能力。
- 大模型框架、微调 (Fine Tuning):针对大模型的开发。
- 大模型训练平台与工具
1.1向量数据库
- Milvus
- Pinecone
- Weaviate
- Chroma
- Qdrant
- Vespa
- Vald
- Faiss
- ScaNN
- Vearch
- AquilaDB
- Marqo
- LanceDB
- Annoy
- NucliaDB
- DeepLake
- MongoDB
1.2数据库向量支持
- pgvector
- Redis Vector
- Elastic
- SingleStoreDB
- Solr
- OpenSearch
- ClickHouse
- Rockset
- Cassandra
- Lucene
- Neo4j
- Kinetica
- Supabase
- Timescale
1.3大模型框架、微调 (Fine Tuning)
- OneFlow
- LMFlow
- LoRA
- Alpaca-LoRA
- PEFT
- ChatGLM-Efficient-Tuning
- LLaMA-Efficient-Tuning
- P-tuning v2
- OpenLLM
- h2o-llmstudio
- xTuring
- finetuner
- YiVal
1.4大模型训练平台与工具
- Pytorch
- BMtrain
- colossalAI
- Tensorflow
- PaddlePaddle
- MindSpore
- Deepspeed
- XGBoost
- Transformers
- Apache MXNet
- Ray
2.大模型
LLM 技术图谱(LLM Tech Map)的大模型部分主要包括以下几个方面:
- 备案上线的中国大模型:有牌照提供服务的大模型,需要注意的是大模型和相应的产品多半名称不同。
- 知名大模型:在全球范围内,已经发布了多款知名大模型,这些大模型在各个领域都取得了突破性的进展。
- 知名大模型应用:LLM 已经在多种应用场景中得到了应用,包括文本生成、机器翻译、问答、自然语言推理等。
2.1中国大模型
- 文心一言
- 云雀
- GLM
- 紫东太初
- 百川
- 日日新
- ABAB 大模型
- 书生通用大模型
- 混元大模型
2.2知名大模型
- Llama 2
- OpenLLaMA
- 百川
- 通义大模型
- 文心一言
- StableLM
- MOSS
- Dolly
- BLOOM
- Falcon LLM
- ChatGLM
- PaLM 2
- 盘古
- GPT-4
- Stable Diffusion
- DALL·E 3
2.3 知名大模型应用
- ChatGPT
- Claude
- Cursor
- Mochi Diffusion
- Midjourey
- DragGAN
- Bard
- Bing
3.AI Agent(LLM Agent)
AI Agent是一种能够自主运作并完成特定任务的计算实体或程序。它能够通过传感器感知周围环境,并根据感知到的信息做出决策,然后通过执行器采取行动。LLM Agent 是指基于 LLM 技术构建的智能代理,它可以用于各种任务,比如让机器与 ChatGPT 交互,一层一层挖掘信息,自动化完成任务;比如由机器人构成的虚拟小镇。
-
核心特点
- 自主性:AI Agent具有独立思考和行动的能力,能够在没有人类直接指导的情况下完成任务。
- 交互性:AI Agent能够与环境或其他Agent进行交互,这在游戏、对话系统、推荐系统等场景中尤为重要。
- 目的性:AI Agent设计有明确的目标或意图,其行为是为了实现这些目标。
- 适应性:AI Agent能够根据环境的变化调整自己的行为,以适应新的情境。
- 进化性:随着技术的发展,AI Agent的功能和智能水平也在不断提升。
-
技术特点
- AI Agent与大模型的主要区别在于,大模型与人类之间的交互是基于prompt实现的,而AI Agent仅需给定一个目标,它就能够针对目标独立思考并做出行动。
- AI Agent的核心驱动力是大模型,并在此基础上增加了规划(Planning)、记忆(Memory)和工具使用(Tool Use)三个关键组件。
-
类型从工作模式来看,AI Agent可以分为以下三种类型:
- 单Agent:侧重于执行单一任务或一系列相关任务,且不需要与其他智能体进行交互。
- 多Agent:涉及多个智能体之间的协作和交互,以完成更复杂的任务。
- 混合Agent(人机交互Agent):结合了人类和智能体的交互,以实现更高效的任务执行。
-
Rivet
-
JARVIS
-
MetaGPT
-
AutoGPT
-
BabyAGI
-
NexusGPT
-
Generative Agents
-
Voyager
-
GPTeam
-
GPT Researcher
-
Amazon Bedrock Agents
4.AI 编程
AI编程是指利用计算机编程语言和技术来创建、训练和优化人工智能算法的过程。它涵盖了数据的收集、清洗、转换以及算法的选择和应用。AI编程是构建未来智能系统的关键,通过模拟人类智能的能力,使计算机能够执行类似于人类的决策和任务。编程语言如Python因其强大的数据处理库和简洁的语法,成为AI编程的常用工具。
- codeium.vim
- Cursor
- GitHub Copilot
- Comate
- StableCode
- CodeGeeX
- TabbyML
- CodeArts Snap
- Code Llama
- CodeFuse
- 姜子牙
- CodeShell
5.工具和平台
LLM 技术图谱(LLM Tech Map)的工具和平台部分主要包括以下几个方面:
- LLMOps:简单点说(大家当前在说的),就是“快速从大模型到应用”。
- 大模型聚合平台:汇聚大模型能力,提供服务。
- 开发工具:其它开发相关的 LLM 工具。
5.1 LLMOps
- BentoML
- LangChain
- Dify.ai
- Semantic Kernel
- Arize-Phoenix
- GPTCache
- Flowise
5.2 大模型聚合平台(☆)
- Gitee AI
- SOTA!模型
- 魔搭ModelScope
- Hugging Face
5.3 开发工具
- v0
- txtai
- Jina-AI
- Deco
- imgcook
- Quest AI
- CodiumAI
- Codeium Vim
- Project IDX
- MakerSuite
6.算力
LLM 模型的训练和部署需要大量的算力,算力是 LLM 技术发展的关键因素。
- 英伟达
- 昇腾
- AMD
- 海光
- 昆仑芯
- 天数智芯
最后
感谢你们的阅读和喜欢,我收藏了很多技术干货,可以共享给喜欢我文章的朋友们,如果你肯花时间沉下心去学习,它们一定能帮到你。
因为这个行业不同于其他行业,知识体系实在是过于庞大,知识更新也非常快。作为一个普通人,无法全部学完,所以我们在提升技术的时候,首先需要明确一个目标,然后制定好完整的计划,同时找到好的学习方法,这样才能更快的提升自己。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
五、面试资料
我们学习AI大模型必然是想找到高薪的工作,下面这些面试题都是总结当前最新、最热、最高频的面试题,并且每道题都有详细的答案,面试前刷完这套面试题资料,小小offer,不在话下。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】