书生·浦语大模型实战营笔记系列
1)书生·浦语大模型全链路开源体系
前言
大模型成为发展通用人工智能的重要途径
从专用模型到通用模型
专用模型:
针对特定任务,一个模型解决一个问题
通用模型:
一个模型应对多种任务、多种模态
书生·浦语大模型系列
- 轻量级:InternLM-7B(社区低成本)
- 中量级:InternLM-20B(商业场景)
- 重量级:InternLM-123B(通用大语言模型)
一、从模型到应用
模型到应用流程图
具体可分为
数据、预训练、微调、部署、评测、应用
1.数据
书生·万卷
OpenDataLab
2.预训练
3.微调
方式
- 增量续训(垂类领域知识)
- 有监督微调(数据量通常相比于预训练和增量续训都要小)
方法
- 全量参数微调
- 部分参数微调
高效微调框架XTuner
极致的显存优化:消费级显卡(8GB)玩转微调
4.评测
国内外评测体系的整体态势
OpenCompass
评测维度
OpenCompass 开源评测平台架构
OpenCompass 的优点
OpenCompass 的支持模型
5.部署
部署存在的问题以及解决方案
LMDeploy
介绍
领先的推理性能
6.智能体
局限性
Lagent是去搭建智能体的整个框架
AgentLego是可调用工具的collection
轻量级智能体框架Lagent
多模型智能体工具箱AgentLego
总结
介绍了一下书生·浦语大模型的全链路的整体框架