LLM技术全景图:技术人必备的技术指南,一张图带你掌握从基础设施到AI应用的全面梳理
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
如何学习AI大模型?
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。
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
】
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。