DataWhale 9月 大模型实训 T1：大模型介绍与环境配置

文章目录

1.什么是大模型？

那么，大模型和NLP有什么区别？

2.环境配置

3.大模型的下载：Hugging Face 与 ModelScope

实训心得总结

1.什么是大模型？

大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐算法等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。

那么，大模型和NLP有什么区别？

传统NLP模型（如BERT）代表了“专才”模式。其核心思路是为特定任务专门定制模型。虽然BERT本身也经过预训练，获得了通用的语言理解能力，但要将其应用于情感分析、文本分类、问答等具体任务时，必须在其基础上使用标注数据进行微调（Fine-tuning）。这意味着每个任务都需要准备独立的数据集并训练一个独立的模型，模型之间是割裂的。它的优势在于在特定任务上可以达到极高的精度和效率，但灵活性和通用性很差。

大语言模型（如Qwen3）则代表了“通才”模式。其核心是