• 羊驼模型（鼻祖是LLaMa模型，Facebook公司开源模型）：即将成为大模型的安卓，国内95%的大模型都是羊驼套壳。
• GPT系列（OpenAI公司）：相当于大模型的iOS（不开源）。

LLaMa模型结构：前面的词预测后面的词，经典的解码结构。位置编码用的是旋转自编码。

大语言模型为什么取名为LLaMa（美洲鸵）？
LLM发音困难。两个LL跟绕口令一样挑战舌头。大家想给它加点原音，帮助发音。有人加了A，就是LLaMa。

1. LLaMa是2023年Meta发布的基础LLM模型，该模型有四个版本，分别是7B、13B、33B、65B参数的模型。（LLaMa模型是从零开始训练的基础模型，国内大多数模型都是套壳LLaMa模型）

2.模型的优点：

• 开源。相比之前的大模型，LLaMa完全是在公共开源预训练数据上训练（通用性比较强，没有使用封闭的数据）
• 推理效率也是LLaMa的一个亮点，可以在单卡V100完成推理（降低了硬件使用门槛，让大模型平民化，训练模型的成本大大降低）。

3.模型的训练和数据：
65B的模型使用2048块A100 80G的GPU，训练21天左右。（训练成本还是比较高的，训练的数据集同GPT一样）

LLaMa模型训练的数据集

• Alpaca是斯坦福从Meta的LLaMA 7B微调而来的全新模型（套壳是微调模型，LLaMA是全调的基础模型），仅用了52k数据，性能约等于GPT-3.5。
• 训练成本奇低，不到600美元。（大模型屌丝化）
• 在8个80GB A100 上训练了3个小时，不到100美元;
• 生成数据使用OpenAl的API，500美元。（正常是人工来标注数据，人工的成本很高；这里数据标注使用了OpenAl的接口，问题问ChatGPT3，用它的回答作为标注数据来进行微调，训练出Alpaca模型）

国内很多大模型都是学Alpaca模型的玩法，套壳LLaMA模型低成本训练出自己的模型。

Alpaca模型的训练流程

Alpaca模型使用了GPT3来标注数据

Vicuna模型简介

Vicuna模型训练流程

Vicuna模型使用了GPT4来做评估（效果更好）

GPT5短时间暂时不会有，因为GPT4已经突破了人类现在的硬件资源的一个极限。

羊驼系列模型对比

华驼大模型

LLaMa + 中文数据

业内有句俗话：一开源就自主研发，不开源就卡脖子

模型的提升一般模型本身没有多大的进化， 主要的提升是堆数据和堆算力，使模型进行进化。

LLaMa2.0的训练也使用了ChatGPT的训练那套方法：

• 第一步：首先对LLaMa模型通过问答对进行有监督的训练
• 第二步：训练一个排序模型（就是通过人来标注这个模型输出的数据，让这个模型输出的答案更加符合人类的认知；通过人来对这些输出的结果打分，来调整这个模型，让这个模型的输出结果更加符合人的认知）；这个强化模型，就相当于具备了人的情商，理解了人类的喜好。
• 第三步：用具备人类喜好的这个模型，再来去微调LLaMa，让这个LLaMa模型输出的结果更加符合人的认知（相当于具备了情商），这样就训练出LLaMa2.0。

微调的效果为什么会好？
原生的基础LLaMa用的语料是通用语料。在自己的数据上进行微调，让模型能够满足自己的需求。微调的本质并不是能把模型效果变好，微调的目的是让模型更适应于我们的数据。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。