数据治理与大模型一体化实践

引言:

大模型落地到当前这个阶段，核心关注点还是领域大模型，而领域大模型落地的前提在于两点：需求端，对当前应用的降本增效以及新应用的探索；供给端，训练技术已经有较高的成熟度。

专家介绍：

柏海峰   

滴普科技 Deepexi产品线总裁             

负责企业大模型产品的规划、技术架构设计和应用解决方案的全体系打造，承担公司基础产品核心竞争力及创新力的构建。拥有丰富的企业数字化转型咨询与实施和产品研发管理经验，曾任华为技术研发经理、微软中国顾问、IBM（GBS）咨询总监以及营销云SaaS产品创业经验，服务过中移动、华润、工商银行等多个世界500强企业。

---

降本增效方面，以机器学习团队的构成为例，滴普科技Deepexi产品线总裁柏海峰介绍道：“传统机器学习或者说小模型的技术落地，对人才的要求很高，但企业往往没有意识到这个问题。具体来说，一般需要构建一个综合性的团队即数据科学团队，团队中需要数据开发工程师、BI工程师、商业分析师、数据科学家、算法工程师等岗位，人力成本很高，除了互联网、金融行业的大型企业，传统企业或中小型企业很难组建这样的团队。”

人才要求高的原因在于，不同岗位的技能差异非常大，相关工具和技术栈也比较分散，比如在某个具体应用领域的AI模型也是采用不同的算法，数据处理层面的pipeline，很多时候自动化的实现也不够完善。总之，不同的钉子只能用不同的锤子，而每一把锤子都不便宜。

因此，尽管小模型对算力、数据要求没有那么高，但要调出好的效果，复杂度还是很高的。除了技术因素，在团队协作和业务适配方面，也还有很多难题。

“大模型带来的首要好处就是，它一下子把技术门槛拉低了，把整个技术栈从输入到输出的链条变得很短，原本需要很多人的数据科学团队，变成只需要一个人加多个Copilot就可以完成，这个人甚至可以是业务部门的，这是非常有想象力的。”

训练技术方面，大模型一般都是先进行self supervised learning，构建通用大模型，然后经过supervised fine-tuning训练，针对特定任务，构建领域大模型初版，最后通过RLHF训练，对齐人类价值，完成类似于人类学习成长的解题、实习、社会工作三步曲。

其中后两步是大模型微调并构建领域大模型的主要步骤，可以把训练前回答问题很散漫的通用大模型Llama 2 13B，训练成专业性很强的chatbot——Llama 2 13B-chat。