在训练一个能在自己专业领域进行分析和决策的机器人时，首先您将学习一些软件开发最佳实践的提示。接下来会涵盖一些常见的用例，包括总结、推理、转换和扩展。然后您将使用 LLM 构建一个聊天机器人。在大型语言模型或 LLM 的开发中，大体上有两种类型的 LLM，分别称为基础 LLM 和指令调整后的 LLM。基础 LLM 已经训练出来根据文本训练数据预测下一个单词，通常是在互联网和其他来源的大量数据上进行训练，以找出接下来最有可能的单词。例如，若提示“一次有一个独角兽”，它可能会继续完整这个句子，预测出接下来的几个单词是“和所有的独角兽朋友生活在一个神奇的森林里”。但如果提示“法国的首都是什么”，那么 LLM 可能会给出正确的回答“巴黎”，或者也可能会给出错误的回答。训练后的 LLM 可以接收新的提示作为输入，并输出预测结果。
首先，你将学习一些软件开发最佳实践的提示。然后，我们将涵盖一些常见的用例，包括总结、推理、转换和扩展。接着，你将使用LLM构建一个聊天机器人。我们希望这会激发你的想象力，并能够创建出新的应用程序。在大型语言模型或LLM的开发中，大体上有两种类型的LLM，我将其称为基础LLM和指令调整后的LLM。因此，基础LLM已经训练出来根据文本训练数据预测下一个单词。通常是在互联网和其他来源的大量数据上进行训练，以找出接下来最有可能的单词。例如，如果你提示“一次有一个独角兽”，它可能会继续完整这个句子，预测出接下来的几个单词是“和所有的独角兽朋友生活在一个神奇的森林里”。但如果你提示“法国的首都是什么”，那么LLM可能会给出正确的回答“巴黎”，或者可能会给出错误的回答。训练后的LLM可以接收新的提示作为输入，并输出预测结果。