书生·浦语大模型实战营第二期学习笔记（1）

视频链接：书生·浦语大模型全链路开源体系_哔哩哔哩_bilibili

github教程链接：

InternLM/InternLM: Official release of InternLM2 7B and 20B base and chat models. 200K context support (github.com)

介绍了书生·浦语大模型的全链路开源体系，重点在于通用人工智能的发展趋势，特别是从特定任务模型向通用大模型的转变，以及书生模型在7月、9月和1月的升级，包括支持多模态、8K语境和不同尺寸的模型，以及在语言建模能力、对话交互和智能体框架方面的提升。

视频分为五个分布介绍：
一、书生·浦语开源历程。

二、InternLM2体系及特点，性能全方面提升。

三、从模型选型到应用的整个流程，和各个环节

四、open compass 2.0思南大模型评测体系。包括compassRank：性能榜单，compassKit：大模型评测全栈工具链，CompassHub：高质量测评基准社区。

五、英特尔开源模型推理和部署工具的评测和发展趋势，以及智能体框架和多媒体多模态智能体工具箱的使用和开发。

个人感悟：之前没有接触过使用过大模型，对大模型使用部署流程不了解，通过该视频我初步了解了书生浦语开源大模型。大模型是人工智能技术持续发展的显著成果，代表着该领域最前沿的技术进展。通过深度学习和海量数据的训练，大模型能够实现对复杂问题的精确处理，极大地提升了人工智能系统的性能和应用范围。随着计算能力的不断提升和数据的日益丰富，大模型将继续发挥重要作用，推动人工智能技术的进一步发展和应用。

在接下来的训练营中如何使用书生·浦语大模型，通过亲身参与一整套大模型的应用流程，深入体验了大模型如何运作，并学会了如何运用模型微调、参数训练和模型部署等关键技术来完成实际的小项目。这一过程中，我相信这会增强我对大模型运作机制的理解，也能提升自己在实际项目中应用大模型的能力。我相信，这些经验和技能将对我未来的学习和工作产生积极的影响。