说人话，大模型领域黑话解读

大模型与相关技术在一年之内纷纷涌现，各种专业词汇、缩写词层出不穷，让很多人迷惑，也包括我。在经过一段时间的学习之后，对相关领域有了一定的了解。决定将目前的各个技术名词，缩写词进行一次人话翻译，让更多的人了解大模型里面的这些名词代表的技术到底是干嘛的。如果翻译的不好，请给您自己的解读，欢迎留言区见。如果有其他的词想让我帮忙翻译，也欢迎留言。

大模型，你可以理解为他就是一个打工人。替代人来打工的。这个打工人因为能力不同可以做很多之前人做的工作。比如设计师，客服，文员，基本上知识工作者他都能替代，顶多是没有创意。体力工作者他也能替代，但是需要一副好身体（机器人硬件）。

从头训练、自训练，从零训练大模型，你可以理解为他爸他妈自己在家教出来的小孩，没上过正经大学。学的好不好全看命。也就是他爸他妈的经济水平和智力水平。但是基本上上限有限，顶天到初中水平，再强也就中专毕业（因为他爸他妈肯定有专业性倾向）。

预训练基座模型，你可以理解为正经大学毕业，经过了三年，四年的正统教育，算是经历了全面的素质教育培养。不管后面用到哪，起码学起来还挺快。

开源大模型，你可以理解为大学毕业后自己找工作，会投简历说自己会啥，实际上懂行的老员工也知道怎么带。以后在哪里用，全靠老板安排。

闭源/商用大模型，你可以理解为自认为很强，不需要人带的员工。人家也不找工作，只做项目。

**Llama, Qwen，**这些大模型的名字，是开发者对他们的产品名字的缩写或者取名更直观的人话，你可以理解这是哪个学校毕业的。是谷歌大学，还是阿里大学或者百度大学。基本上学校会对人有一些加成光环，真正干活还是得看工作经验，所以还要看后面的参数量。也就是工资或者职级。

**2.7B，7B, 32B，**这些带数字和B的词，就是参数量，在数字基础上乘以10亿。你可以理解为是2.7B是一个员工，要求的最低工资2700，。有些天赋好的2.7B也就可以干到7B，工资7000员工的活。反正他们的最低工资要求在这里，没这个待遇，他就不干活。比如32B,那就最少一台32000的电脑才能跑起来。差不多的理解。

FT/SFT微调/监督微调大模型，你可以理解为大学毕业生为了深造，又去上了两年研究生，有导师带着，系统的学习了相关领域的知识，甚至还做过某些项目，在某些领域可以发挥出比大学毕业生更强的水平。

RAG检索增强知识库，你可以理解为大学毕业生到了工作岗位，单位有一个师傅手把手教了一段时间，把师傅会的能力教给了这个大学毕业生。但是能力水平也就在这个师傅的上下浮动。除非这个大学毕业生天赋更高（参数更多，当然工资也要得高），名校毕业（预训练更好），

垂直训练大模型，你可以理解为定向培养的大专生，在自己的领域还是有点基础。但是天赋（参数量）一般来说不高，能力也就培养的方向上有积累。希望用来干别的事情基本没戏。

本地大模型，你可以理解为公司雇佣的，全职工作，使用公司的电脑办公的公司员工，基本上不会外泄公司机密（如果不受到网络攻击）。

云端大模型，你可以理解为公司雇佣的咨询顾问或者外包。自己带电脑办公。外不外泄公司机密全凭良心（他自己所属公司的意愿）

多模态大模型，你可以理解为一个模态是这个员工的一个技能，比如说读写文档，画图，做视频，翻译。多模态就是会多一个技能，比如能输入文字制作图片，简称文生图，就是一个2模态的大模型。

Agent智能体，你可以理解为他是好几个员工组成的小团队或者小部门。一个大模型做小团队leader，下面几个打杂小弟，一个agent智能体就是一个打杂小弟。通过多个员工的分工合作来完成一个具体的项目。

Prompt提示词，你可以理解为他拿到的员工手册和岗位职责，他基本上是按照员工手册和岗位职责干活。

推理，你可以理解为上级交代了一个任务给他，他会根据自己的知识和领导的要求去做事情。领导要求的越有逻辑，越明确，他就干的越好。

幻觉，你可以理解为他虽然不会，但是可以编，反正把事情糊弄过去就行了。如果被发现了他就道歉。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“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，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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】

123?spm=1001.2014.3001.5501)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】