LLM | langchain 顶层架构
2023-10-18 17:51:09 21 举报
登录查看完整内容
LLM(Large Language Model)是一种基于深度学习的自然语言处理技术,它能够理解和生成人类语言。在顶层架构方面,LLM通常包括以下几个部分: 1. 数据预处理:对输入的文本数据进行清洗、分词、编码等操作,以便模型能够更好地理解。 2. 模型训练:使用大量的文本数据来训练模型,使其能够学习到语言的规律和知识。 3. 模型评估:通过各种指标来评估模型的性能,如准确率、召回率等。 4. 模型应用:将训练好的模型应用于实际场景中,如智能客服、自动问答系统等。
作者其他创作
大纲/内容
理论基础: 多模态涌现能力 (自学习)核心优势: 多模态思维链 (分治法)编程范式: 多模态提示工程 (提示词)关键技术: 人类反馈强化学习(人类标注)安全技术: 基于规则的奖励模型(引导学习过程)优化技术: 近端策略优化(PPO)算法(span style=\
Retrive
similar chunk
Load
splittranslateconvert
openaiword2vec...
Result
知识库创建
Q、prompt、source
矢量Store
Embed
问答
微调fine tuning
TransForm
prompt + chunk
理论基础:
LLM
Lanchain 顶层架构
私有知识库
Text QA
多模态source
![LLM | langchain 顶层架构](https://www.processon.com/chart_image/template/thumb/652faa8dd657a234397adf6b.png?tid=652def7ab5ea1b0b09ecd27f)
收藏
0 条评论
回复 删除
下一页