本文主要是介绍上海人工智能实验室的书生·浦语大模型学习笔记（第二期第三课——上篇），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！
书生·浦语是上海人工智能实验室和商汤科技联合研发的一款大模型，这次有机会参与试用，特记录每次学习情况。
一、课程笔记
本次学习的是RAG（Retrieval Augmented Generation）技术，它是通过检索与用户输入相关的信息片段，并结合外部知识库来生成更准确、更丰富的回答。解决 LLMs 在处理知识密集型任务时可能遇到的挑战, 如幻觉、知识过时和缺乏透明、可追溯的推理过程等。提供更准确的回答、降低推理成本、实现外部记忆。
RAG 能够让基础模型实现非参数知识更新，无需训练就可以掌握新领域的知识。本次课程选用的茴香豆应用，就应用了 RAG 技术，可以快速、高效的搭建自己的知识领域助手。
“茴香豆”是一个基于 LLM 的领域知识助手。特点：
- 应对群聊这类复杂场景，解答用户问题的同时，不会消息泛滥
- 提出一套解答技术问题的算法 pipeline
- 部署成本低，只需要 LLM 模型满足 4 个 trait 即可解答大部分用户问题
二、作业
（一）基础作业
1、在
茴香豆web版中创建自己领域的知识问答助手
（1）登陆茴香豆web版OpenXLab浦源 - 应用中心应用中心提供应用托管的服务，用户只需遵循平台规范，通过简单的前端封装组件（Gradio）即可构建模型推理应用演示demo，应用中心提供免费应用部署的能力，普通用户也可在应用中心中交互式体验模型的能力，更好帮助用户寻找想要的学术模型或应用服务。通过前端封装组件和平台的SDK工具，帮助AI开发者简单快速构建人工智能应用。
https://openxlab.org.cn/apps/detail/tpoisonooo/huixiangdou-web
（2）在网页页面输入自己的知识数据库的账号密码。
第一次使用的时候，它会自动生成一个账号。
账号生成成功。
（3）上传文档
上传InterML技术报告
上传文档成功。 截止现在，一切顺利，操作简单。
（3）在问答区中作答。
提问一：请介绍InternLM2模型
提问二：InternLM2模型是由哪个组织开发的？
提问三：除了上海人工智能实验室，还有哪些机构参与撰写了这篇论文？
提问四：介绍InternLM2模型的评测结果
提问五：InternLM2模型采用了哪些预训练技术？
这篇关于上海人工智能实验室的书生·浦语大模型学习笔记（第二期第三课——上篇）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！
