教程链接：动手学大模型应用开发
1、大语言模型的概念是什么？
答：
LLM（large language model）大语言模型，通常包含数百亿参数的语言模型。较为出名的有GPT，PaLM，Claude和LLaMA等，国内有文心一言、通义千问、ChatGLM等。
参数GPT-3 ：1750亿；GPT-2: 15亿
2、大模型的涌现能力？简单理解解释？
答：
涌现能力：大模型的规模达到一定规模时，会出现没有遇见到的新功能。这些新功能不是明确设定好的，而是自然涌现出来的。
关键点：规模足够大、新能力、非线性（涌现）
举例：小模型只能识别到基本的句子结构，但大模型训练后，除了理解句子结构还可以理解上下文。
3、什么是基座模型？简单理解？
答：
基座模型：通用的、大规模训练的模型，具有广泛适应性的模型。
关键词：基础模型，多任务能力，节省时间和计算资源
举例：openAI的GPT-4可视为基座模型，具有广泛的应用能力，微调之后，可以应用于在具体的场景中。
4、大模型开发中的agent的概念？智能体的简单理解？
答：
关键词：大模型、自主决策、多功能
举例：聊天机器人
5、LLM的特点？简单介绍理解？
答：
关键词：规模巨大；’预训练和微调；上下文感知；多模态支持；高计算资源
6、什么是RAG？简单举例说明？
答：
RAG（retrieval-augmented generation）检索增强生成。
retrieval 计算机中的检索；找回取回；
augment 增加，加强
关键词：信息检索；后模型生成；更多细节；
举例：问“谁是爱因斯坦”？
传统模型：从内置的知识库中知识回答，如“爱因斯坦是一位著名的物理学家，以相对论著称。”
RAG模型：从知识库中检索，如维基百科等；生成一个更加详细准确的回答。如“阿尔伯特·爱因斯坦（Albert Einstein）是德国出生的理论物理学家，因提出相对论而著名。他于1921年获得诺贝尔物理学奖，以表彰他在理论物理学方面的贡献，特别是发现了光电效应。”
7、RAG与微调的简单区别？
答：
RAG：先通过检索，可提供最新或特定细节。
微调（fine tuning）：在特定领域，如利用医疗领域的信息训练；更好的表达效果。
8、LangChain框架的简介？举例说明？
答：
LangChain是一个用于构建语言模型应用的框架，专注于通过集成不同的语言模型和工具来创建复杂的自然语言处理（NLP）工作流。
关键词：提供模块；支持多种框架；简化开发流程
9、介绍说明名词，举例说明：Embedding模型、chroma数据库、前后端Gradio和steamlit？
答：
Embedding模型：将单词表示为向量，语义相近的单词在向量空间中的距离较近。
Chroma数据库：专门用于存储和检索高维向量的数据库，用于快速检索相似数据的场景。
前后端Gradio和steamlit：部署和交互Web应用的框架，适用于机器学习模型的演示和模型开发。
10、codespace的解释？用途介绍？
答：
云端开发环境，集成了github仓库。
关键词：快速上手项目；高性能计算；随时随地编程；远程开发；
