ChatGLM视频表现有何特色，优劣分析一下

[title]观点：如何深入的用好ChatGPT，以及一些思考[heading1]如何理解语言模型另一种理解是AI构成网络，摒弃人类语言进行沟通，最终超越人类。N3（Neural Network Network）神经网络的相互链接，AI之间采用更为底层的向量数据交流，跨越人类语言的低效率阻碍。图灵机，自递归，简单的规则涌现出复杂的现象。4、群雄逐鹿大模型国外开源百花齐放，国内百模大战，目前已有68个。深圳就4个。下面的图是公众号“走向未来”的大神整理。github地址：https://github.com/wgwang/LLMs-In-China有一点浪费资源，有特色的不多，模型不大的也没啥大智力。目前体验效果比较好的有科大星火模型，清华ChatGLM。百度文心也可。星火目前感觉最接近gpt3.5（0301版本）的8 0%-90%。不过最近GPT3.5进化到6月版本，效果要强于0301版本了。5、大模型的测试怎样评估这些大模型，怎样看出模型的能力（比如GPT4和3.5到底差距在哪里）。这里会用GPT4、3.5、讯飞星火、百度一言做一些对比。一般对我们普通人来说，主要判断大模型是否可以真正帮助你，三个方面：基础能力、职场能力、探索对话。首先是基础能力，主要指语言模型应有的能力（即语言（文本）生成和语言理解。如果基础能力效果不达标，则判断为不可用。目前这四个应该都没大问题，都属于基础能力不错的模型。1级别（常识类问题）：这些问题旨在测试模型的基本语言理解能力，例如：什么是人类？2级别（分词类问题）：这些问题旨在测试模型的基本语言处理能力，例如：“我爱北京天安门”这句话的分词结果是什么？

[title]LLM开源中文大语言模型及数据集集合[heading4]1.ModelChatGLM：地址：[https://github.com/THUDM/ChatGLM-6B](https://github.com/THUDM/ChatGLM-6B)简介：中文领域效果最好的开源底座模型之一，针对中文问答和对话进行了优化。经过约1T标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持VisualGLM-6B地址：[https://github.com/THUDM/VisualGLM-6B](https://github.com/THUDM/VisualGLM-6B)简介：一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于ChatGLM-6B，具有62亿参数；图像部分通过训练BLIP2-Qformer构建起视觉模型与语言模型的桥梁，整体模型共78亿参数。依靠来自于CogView数据集的30M高质量中文图文对，与300M经过筛选的英文图文对进行预训练。Chinese-LLaMA-Alpaca：地址：[https://github.com/ymcui/Chinese-LLaMA-Alpaca](https://github.com/ymcui/Chinese-LLaMA-Alpaca)简介：中文LLaMA&Alpaca大语言模型+本地CPU/GPU部署，在原版LLaMA的基础上扩充了中文词表并使用了中文数据进行二次预训练