趋近智
大型语言模型入门
章节 1: 了解大型语言模型
什么是人工智能？简单介绍
自然语言处理 (NLP) 简介
定义大型语言模型（LLMs）
LLM如何从文本数据中学习
LLM能完成的任务示例
大型语言模型的常见误解
章节 2: 大型语言模型的工作原理（简化版）
词语表示：分词和嵌入
预测下一个词：核心理念
训练数据规模的作用
理解模型参数
Transformer架构（高层）简介
语境如何影响生成
章节 3: 与大型语言模型沟通：提示词
什么是提示词？
基本提示技巧
明确给出指示
提供示例（少样本提示）
控制输出长度和格式
常见提示问题
练习：编写你的第一个提示
章节 4: 认识不同的大语言模型
基础模型概览
通用模型与专用模型对比
开放模型与封闭模型：有何不同？
理解模型大小与能力
模型使用方法：API与界面
章节 5: 使用预训练大语言模型
什么是预训练模型？
查找与选择大语言模型服务
通过网页界面交互
LLM API使用简介
发送您的第一个API请求
解释 LLM 响应
动手实践：简单的文本生成任务
开放模型与封闭模型：有何不同？
这部分内容有帮助吗？
- On the Opportunities and Risks of Foundation Models, Rishi Bommasani, Drew A. Hudson, Kai-Fu Lee, Jack Clark, Daniel E. Ho, Raymond Perrault, Alexy Kurakin, Kevin L. Jackson, Edward W. Felten, Samy Bengio, Percy Liang, John Etchemendy, Peter Eckersley, Tatsuya Kawahara, Michael Bommarito, Jean-Louis Gassée, Yejin Choi, Christopher Manning, James Manyika, J. D. Zamfirescu, Richard Socher, Fei-Fei Li, Michael Kidd, Michael Genesereth, Jeff Dean, James Bridle, Aleksander Madry, Laurent El Ghaoui, Alex Aiken, Mark Z. Jacobson, Michael M. Waldrop, Daniel Ichter, John D. C. Hirst, Kevin K. W. Wong, Brian Christian, Christopher Re, David M. D. W. Y. Ng, 2021 arXiv preprint (Stanford Center for Research on Foundation Models) DOI: 10.48550/arXiv.2108.07258 - 提供了基础模型、其发展、部署和对社会影响的广泛概述，有助于理解不同的访问模式。