01
课
程简介
●
这
一
章节
主要
向
我们
介
绍
了在
LLM(Large Language Models
，
大
型
语
言
模
型
)
的
开发
中，
大
致
可分为
两种
类
型
：
「
基
础
LLM
」
和
「
指
令
调
谐
LLMs
」
。
●
基
础
LLM(Base LLM)
的
特
点
是
基
于大
量
文本
训练
数
据
，
来
预
测
下
一
个最
有
可能出现
的
单
词
，
缺
点
是不可
控
，
容
易
输
出
有
问题
的
文本
。
●
例
如
，
当你
输
入以下
Prompt
：
●
❝
●
从
前
有一
只
独角
兽
●
它
可能会这
样
子
完
善
：
●
❝
●
它
和
朋
友们
一
起
生活在
一
片
神
奇
的
森
林
里
●
但
也
有
可能
，
当你
输
入以下
Prompt
：
●
❝
●
法国
的
首
都
是
哪
里？
●
它
会这
样
子
完
善
：
●
❝
●
法国最大
的
城
市是
哪
里？
●
法国
的
人
口
是多
少？
●
如
此
等等
。
因
为
它
参考
的
数
据
可能是
「
关于法国
的一
系
列
问题
」
。
●
相
比
之下
，
指
令
调
谐
LLM(Instruction Tuned LLM)
则
是在
基
础
LLM
之上
再
经过了人工
的
微
调
，
因
此
能
够
更好地
遵
循
指
令
来
输
出
有
用
的
内
容
。
●
这时
候
，
当我们
再
次
输
入同
样
的
Prompt
，
它
就
有
更大可能会
输
出
：
●
❝
●
法国
的
首
都
是
巴
黎
。
●
大多数人
应
更专注于后者
，
因
为
它
们更
容
易
使
用
，
也
更安全
、
更
一
致
，
本
课
程
的
内
容也
主要是
围
绕
后者
的
最
佳
实
践
。
