以下是为您提供的大模型知识图谱：
1. 非技术背景，一文读懂大模型
整体架构
基础层：为大模型提供硬件支撑，数据支持等，例如 A100、数据服务器等。
数据层：企业根据自身特性维护的垂域数据，分为静态的知识库和动态的三方数据集。
模型层：LLm 或多模态模型，LLm 即大语言模型，如 GPT，一般使用 transformer 算法实现；多模态模型包括文生图、图生图等，训练所用数据与 llm 不同，用的是图文或声音等多模态的数据集。
平台层：模型与应用间的平台部分，如大模型的评测体系，或者 langchain 平台等。
表现层：也就是应用层，用户实际看到的地方。
2. AI Agent 系列：Brain 模块探究
知识
内置知识
常识知识：包括日常生活中广泛认可的事实和逻辑规则，帮助智能体具备泛化能力。
专业知识：涉及深入特定领域的详细信息，如医学、法律、科技、艺术等领域的专有概念和操作方法。
语言知识：包括语法规则、句型结构、语境含义以及文化背景等，还涉及非文字部分如语调、停顿和强调等。
3. 大模型入门指南
通俗定义：输入大量语料，让计算机获得类似人类的“思考”能力，能够进行文本生成、推理问答、对话、文档摘要等工作。
类比学习过程
找学校：训练 LLM 需要大量计算，GPU 更合适，只有购买得起大量 GPU 的才有资本训练大模型。
确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。
找老师：用算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。
就业指导：为了让大模型能够更好胜任某一行业，需要进行微调（fine tuning）指导。
搬砖：就业指导完成后，进行如翻译、问答等工作，在大模型里称之为推导（infer）。
Token：被视为模型处理和生成的文本单位，可代表单个字符、单词、子单词等，在将输入进行分词时，会对其进行数字化，形成词汇表。
2025-04-07