书生实战营基础第一关：书生大模型全链路开源体系

        观看了由书生·浦语社区贡献者汪周谦带来的《书生·浦语大模型全链路开源开放体系》的介绍，熟悉了书生·浦语大模型及其工具链。

        视频链接：https://www.bilibili.com/video/BV18142187g5/

        官网：https://internlm.intern-ai.org.cn/

        可访问以下链接报名第三期书生大模型实战营： https://www.wjx.cn/vm/PvefmG2.aspx?sojumpparm=openmmlabbz

        这是教程网址 ：https://github.com/InternLM/Tutorial

        过去一年间，书生浦语打通了全链路，在数据收集、标注，模型训练、微调、评测，基于模型的agent，rag，搜索引擎，以及AI应用的部署都进行了方案实现以及开源，以持续的高质量开源赋能创新。

        书生大模型（InternLM）性能天梯

        可以看出InternLM2.5的原生推理性能提升20%，短期记忆能力也十分出色。GPT4-o模型的上下文只有128K，InternLM2.5相较于GPT4-o模型有十倍量级，也具有出色的自主规划和搜索完成复杂任务的能力。

        在核心设计思路中，是以数据质量驱动模型性能优化。

        基于反馈的数据生成，换而言之就是基于人类反馈的强化训练（有监督的训练），模型生成多个结果，人类给这多个结果进行满意度的排序，从而使模型在未来版本更容易生成符合人类要求的答案。如果只做相似度对齐的训练不一定能使人类满意。这种数据生成最大的痛点是标注，目前书生浦语也开源了label LLM的开源项目，可以通过这个项目很方便的对NLP任务，包括这种排序任务进行很方便的标注。