大模型入门：Mistral 大语言模型

最新推荐文章于 2024-10-07 06:31:57 发布

程序学到昏

最新推荐文章于 2024-10-07 06:31:57 发布

阅读量1k

点赞数 14

文章标签：人工智能自然语言处理 python transformer embedding LLM 大模型

本文链接：https://blog.csdn.net/Y525698136/article/details/141930366

版权

Mistral AI 是一家销售人工智能产品的法国公司。它由 Meta Platforms 和 Google DeepMind 的前员工于 2023 年 4 月创立。该公司于 2023 年 10 月筹集了 3.85 亿欧元，2023 年 12 月估值超过 20 亿美元

在这里插入图片描述

Mistral.AI 愿景与使命

我们是一个具有高科学标准的小型创意团队。我们通过突破性的创新打造开放、高效、有用且值得信赖的人工智能模型。我们的使命是让前沿人工智能无处不在，为所有建设者提供量身定制的人工智能。这需要强烈的独立性，对开放、便携和可定制解决方案的坚定承诺，以及对在有限时间内交付最先进技术的高度关注。

在这里插入图片描述

在线 Chat 服务 Le Chat

在这里插入图片描述

开源大语言模型 Mistral Mixtral

在这里插入图片描述

Mistral 大语言模型

Mistral-7B

Mistral-7B 大型语言模型 (LLM) 是一个预训练的生成文本模型，具有 70 亿个参数。
在所有基准测试中均优于 Llama 2 13B
在许多基准测试中均优于 Llama 1 34B
接近 CodeLlama 7B 的代码性能，同时保持良好的英语任务表现
使用分组查询注意力 (GQA) 进行更快的推理
使用滑动窗口注意 (SWA) 以较小的成本处理较长的序列

mistral 与 llama 的对比

在这里插入图片描述

基于 Hugging Face Transformers 使用 mistral

代码语言：python

代码运行次数：0

**Cloud Studio代码运行

## Use a pipeline as a high-level helper
from transformers import pipeline

def test_mistral():
    pipe = pipeline("text-generation", model="mistralai/Mistral-7B-Instruct-v0.2")
    pipe("请为google编写web自动化测试用例，使用pytest page object设计模式，断言使用hamcrest")

使用 langchain 调用 mistral

代码语言：python

代码运行次数：0

**Cloud Studio代码运行

def test_mistral():
    llm = Ollama(model="mistral", base_url="http://localhost:11434")
    r = llm.invoke('请为google编写web自动化测试用例，使用pytest page object设计模式，断言使用hamcrest')
    debug(r)

Mixtral 大语言模型

Mixtral 大语言模型介绍

这是一种具有开放权重的高质量稀疏专家混合模型 (SMoE)。根据 Apache 2.0 许可。Mixtral 在大多数基准测试中都优于 Llama 2 70B，推理速度提高了 6 倍。它是最强大的开放权重模型，具有宽松的许可证，也是成本/性能权衡方面的最佳模型。特别是，它在大多数标准基准测试中匹配或优于 GPT3.5。

在这里插入图片描述

Mixtral 的特点

可以优雅地处理 32k 令牌的上下文。
可以处理英语、法语、意大利语、德语和西班牙语。
在代码生成方面表现出强大的性能。

基于 Hugging Face Transformers 使用 mixtral

代码语言：python

代码运行次数：0

**Cloud Studio代码运行

## Use a pipeline as a high-level helper
from transformers import pipeline

def test_mixtral():
    pipe = pipeline("text-generation", model="mistralai/Mixtral-8x7B-Instruct-v0.1")
    pipe("请为google编写web自动化测试用例，使用pytest page object设计模式，断言使用hamcrest"))

使用 langchain 调用 mixtral

代码语言：python

代码运行次数：0

**Cloud Studio代码运行

def test_mixtral():
    llm = Ollama(model="mixtral", base_url="http://localhost:11434")
    r = llm.invoke('请为google编写web自动化测试用例，使用pytest page object设计模式，断言使用hamcrest')
    debug(r)

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望