上海人工智能实验室的书生·浦语大模型学习笔记（第二课）

书生·浦语是上海人工智能实验室和商汤科技联合研发的一款大模型，这次有机会参与试用，特记录每日学习情况。

一、实战任务

​

InternLM2面向不同的使用需求，每个规格包含三个模型版本。按规格分类，有7B和20B两种模型；按使用需求分类，有InternLM2-Base、InternLM2和InternLM2-Chat。InternLM2在超长上下文、综合性能、对话和创作体验、工具调用能力以及数理能力和数据分析功能等方面都有显著优势。其中，InternLM2-Chat-20B在重点评测上甚至可以达到比肩ChatGPT（GPT3.5）的水平。

lnternLM2通过互联网获取大量的文本数据，并使用这些数据来训练模型。由于互联网上的文本数据量非常大，因此lnternLM能够学习到各种语言的语法、语义和上下文信息，从而更好地理解和生成自然语言文本。

此外，lnternLM2还支持多种语言，包括中文、英文、西班牙语、法语、德语等。这使得它成为一种多语言模型，可以在不同的语言环境下使用。

二、优秀作品部署

​

​

另外两个优秀作品，都是大佬做的，非常值得好好学习。

三、运行Lagent智能体

Lagent是一个轻量级的框架，专门用于构建基于LLM（Large Language Model）的Agent。与lnternLM不同，Lagent是一个开发框架，而不是一个具体的模型。它提供了一些工具和库，帮助开发者更方便地构建自己的LLM Agent。

Lagent的主要特点是简单易用、灵活性高。它提供了一些基础的组件和工具，使得开发者可以快速地构建自己的LLM Agent，并且可以根据自己的需求进行定制和扩展。

此外，Lagent还支持多种语言和模型，包括OpenAI的GPT系列、BERT等。这使得开发者可以根据自己的需求选择不同的模型和语言，从而更好地满足自己的应用场景。

总的来说，Lagent是一个非常有用的框架，可以帮助开发者更方便地构建基于LLM的Agent，并且具有广泛的应用前景。

​

四、灵笔体验

​

浦语·灵笔2是基于书生浦语lnternLM2大语言模型研发的突破性的图文多模态大模型，具有非凡的图文写作和图像理解能力，在多种应用场景表现出色：

• 自由指令输入的图文写作： 浦语·灵笔2可以理解自由形式的图文指令输入，包括大纲、文章细节要求、参考图片等，为用户打造图文并貌的专属文章。生成的文章文采斐然，图文相得益彰，提供沉浸式的阅读体验。

• 准确的图文问题解答： 浦语·灵笔2具有海量图文知识，可以准确的回复各种图文问答难题，在识别、感知、细节描述、视觉推理等能力上表现惊人。

• 杰出性能： 浦语·灵笔2基于书生·浦语2-7B模型，我们在13项多模态评测中大幅领先同量级多模态模型，在其中6项评测中超过 GPT-4V 和 Gemini Pro。

五、加入大模型SIG

​

我加入了两个兴趣小组，在小组里获得很多信息和帮助，也群里小伙伴分享了我在GDC大会上从微软和亚马逊等公司了解到的实操经验。

六、作业

1、基础作业

• 使用 InternLM2-Chat-1.8B 模型生成 300 字的小故事（需截图）

2、进阶作业

• 熟悉 huggingface 下载功能，使用 huggingface_hub python 包，下载 InternLM2-Chat-7B 的 config.json 文件到本地（需截图下载过程）

• 完成 Lagent 工具调用 数据分析 Demo 部署（需截图）
• 

• 完成 浦语·灵笔2 的 图文创作 部署

完成 浦语·灵笔2 的视觉问答 部署