书生·浦语大模型全链路开源体系（第二期大模型课程笔记#1）

引言

大家好，我是Tom，一个对人工智能领域充满好奇的土木类专业学生。这次参加书生·浦语大模型训练营是我迈向新领域的第一步，我会珍惜这次机会，坚持学习，并记录下自己的成长轨迹。希望能够与大家共同进步。

1.书生·浦语大模型：认识、开源与亮点解析

1.1 对模型的认识

从针对专一领域问题的专业模型到应对多种任务多种模态的通用大模型，人们发现大模型是发展通用人工智能的重压途径。

1.2 书生·浦语大模型的开源历程

从目前的资料来看，InternLM是一个相对较新的大型模型，其更新速度也相当快。

1.3 书生·浦语2.0大模型的亮点

虽然我并未亲身参与第一期的训练营，也未曾亲自体验过InternLM2，因此无法分享个人的直观感受。然而，根据表现的数据来看，InternLM2似乎是一个相当出色的工具，其表现令人期待。

2.书生·浦语：从模型到应用的开源之旅

2.1 从模型到应用的典型流程

不难发现，从模型到实际应用的转化过程，其实是一段相当漫长的旅程。虽然模型在理论上可能已经相当成熟和完善，但要将其真正转化为能够解决实际问题的应用，还需要经过一系列的优化、测试和验证。这个过程中，书生·浦语大模型又有那些优势呢？

2.2 书生·浦语全链条开源体系

可以看出书生·浦语大模型在数据收集、处理以及预训练等多个关键环节都展现出了其独特的解决方案，希望能在未来的实操中，能够充分体验到书生·浦语大模型开源链条所带来的便捷与高效。接下来我会介绍几个在此开源体系中我比较感兴趣的平台。

2.2.1 数据 书生·万卷

OpenDataLab平台
对于一个完全不了解相关领域的小白来说，这个平台真是特别宝贵。给我的感觉，就是它提供了大量的学习资料。我可以在这里浏览到各种各样的数据和内容，

2.2.2 评测 司南

OpenCompass平台
我觉得opencompass平台能够为所有像我一样的小白提供了一个很好的机会来评测自己的大模型。作为一个初学者，对自己的模型性能和能力存在一定的不确定性，而opencompass平台似乎提供了一个全面、专业的评测工具，能够帮助我更好地了解自己的模型的性能。

结语

这次的分享就到这里啦。说实话，我对书生·浦语大模型及其开源体系的认识还很初步，但从这次的课程与探索中，我已能感受到它的魅力与潜力。作为一名跨界的新手，我感到很兴奋能有机会参与到这个前沿领域中。

我期待在未来的学习中，能够更深入地理解并应用书生·浦语大模型，从实践中感受到从模型到应用转化的乐趣。我知道，这个过程肯定会充满挑战，但我相信，只要持续学习、不断尝试，我一定能够在这个领域找到自己的位置。

感谢书生·浦语大模型训练营给我提供的这次宝贵的学习机会，也感谢所有与我一起学习的同学们，你们的陪伴与鼓励让我更有动力前行。让我们一起在人工智能的道路上，不断探索、不断进步吧！