本文系统地从计算力基础设施、软件架构、数据资源、应用场景和脑科学五大核心维度对大模型实践中的问题进行解答。
目录
-
计算力基础设施
- 1.1 什么是云边端协同架构?
- 1.2 信息技术应用创新计划相关政策对企业的影响?
-
软件架构
- 2.1 拥有自己的大语言模型(LLM)是否必要?
- 2.2 何时使用微调与何时使用RAG?
- 2.3 在训练大语言模型时遇到的关键挑战是什么?
-
数据资源
- 3.1 如何标注一个监督微调(SFT)数据集?
- 3.2 在众包平台上发布任务时,如何解决标准定义不清的问题?
- 3.3 在构建知识图谱问答数据集时,是否会忽略知识图谱的重要维度?
-
应用场景
- 4.1 Gemini Live 的机制是什么,能否通过工程实践实现?
- 4.2 从文档中提取特定数据表时会遇到哪些挑战,如何克服?
- 4.3 GraphRAG 的应用是什么,它与R