如何为你的场景选择合适的LLM模型

当你开始任何客户项目时，最常见的问题之一是：“我应该使用哪个模型？” 这个问题没有直接的答案，它是一个过程。在本博客中，我们将解释这个过程，这样下次客户问你这个问题时，你可以与他们分享这份文档。😁

选择正确的模型，无论是GPT4 Turbo、Gemini Pro、Gemini Flash GPT-4o还是较小的选项如GPT-4o-mini，都需要在准确性、延迟和成本之间进行权衡。

核心原则
选择模型的原则很简单：

首先优化准确性：在达到准确性目标之前，始终优化准确性。
其次优化成本和延迟：然后目标是在尽可能便宜和快速的模型中保持准确性。

专注于准确性
设定明确的准确性目标：定义对于你的使用场景来说什么样的准确性是“足够好”。例如：首次互动中90%的客服通话被正确分类
开发评估数据集：创建一个数据集来衡量模型的表现。例如：收集100个交互示例，包括用户请求、模型分类、正确的分类以及准确性
使用最强大的模型：从最强大的模型开始，以实现你的准确性目标。记录响应以供将来使用。
优化准确性：使用检索增强生成，然后进行微调以确保一致性和行为
收集供将来使用的数据：收集提示和完成对，用于评估、少量样本学习或微调。这种做法，被称为提示烘焙，有助于为将来使用生成高质量的示例。

优化成本和延迟
成本和延迟被视为次要因素，因为如果模型无法达到你的准确率目标，那么这些问题就无关紧要了。然而，一旦你有了一个适用于你用例的模型，你可以采取以下两种方法之一：

与一个更小的模型进行零样本或少样本对比：用一个更小、更便宜的模型替换现有模型，并测试其在较低成本和延迟下的准确率是否得以保持。
模型蒸馏：使用在优化准确率过程中收集的数据对一个小模型进行微调。

成本和延迟通常是相互关联的；减少令牌和请求通常会导致更快的处理速度。

这里需要考虑的主要策略是：
减少请求：限制完成任务所需的请求数量。
最小化令牌：降低输入令牌的数量，并优化模型输出的长度。
选择较小的模型：使用在降低成本和延迟的同时保持准确性的模型。

来自开放AI的实际示例
为了展示这些原则，他们开发了一个假新闻分类器，目标指标如下：

准确性：实现90%的正确分类
成本：每1,000篇文章花费少于5美元
延迟：保持每篇文章的处理时间在2秒以内
实验
他们进行了三个实验以达到目标：

零样本：使用GPT-4o和基本提示处理了1,000条记录，但未达到准确性目标。
少量样本学习：包含了5个少量样本示例，达到了准确性目标但因更多的提示令牌而超出了成本。
微调模型：使用1,000个带标签的示例对GPT-4o-mini进行了微调，达到了所有目标，具有相似的延迟和准确性但成本显著降低。

结论
首先优化准确性，然后是成本和延迟的优化。
这个过程很重要——你通常不能直接跳到微调阶段，因为你不知道微调是否是你所需要的优化的正确工具，或者你没有足够的标注样本。
使用一个准确的大模型来达到你的准确性目标，并整理一个好的训练集——然后通过微调来使用更小、更高效的模型。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

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。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

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。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）