本文主要是介绍对小工蚁关于LLM的技术总结+个人思考，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
LLM能力从何而来：
推理能力？目前还未知晓为何得到结果
斯坦福大学的AI指数
通过种子任务自动生成数据训练LLM
基于self-instruct及175条种子任务生成数据。
LLM大模型如何进行微调？
1.blog/trl-peft.md at main · huggingface/blog · GitHub
2.基于强化学习的微调（这个挺好）
微软发布的文本生成增强框架DTG,让LLM主动思考和生成能力提升
[2305.19835] Deliberate then Generate: Enhanced Prompting Framework for Text Generation (arxiv.org)
LLM如何使用SQLChain读取数据库进行问答
Querying a SQL DB | 🦜️🔗 Langchain
开源FastChat平台实现LLM的智能应用框架
GitHub - lm-sys/FastChat: An open platform for training, serving, and evaluating large language models. Release repo for Vicuna and Chatbot Arena.
可用于快速测试LLM大模型实现
提示工程快速构建
Azure OpenAI 的提示工程技术 - Azure OpenAI Service | Microsoft Learn[没找到视频所说，粘贴自己觉得比较好的]
增强生成LLM+本地知识库应用场景的方式
Retrieval Augmented Generation using Azure Machine Learning prompt flow (preview) - Azure Machine Learning | Microsoft Learn
音频和视频如何训练LLM?
通用思路: 先转换音频或视频为文本，然后导入LLM。比较复杂的是音频或视频如何变为有价值的文本？欢迎讨论思考。
参考：
小工蚁创始人视频合集
这篇关于对小工蚁关于LLM的技术总结+个人思考的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
