简介
大语言模型的英文全称为：Large Language Model，缩写为 LLM，也被称为大型语言模型，主要指的是在大规模文本语料上训练、包含百亿级别参数的语言模型，它用来做自然语言相关任务的深度学习模型。
自然语言的相关任务简单理解为：给到模型一个文本输入，经过训练的模型会给出相应的输出文本。通常被用来解决常见的语言问题，如：文本分类、问答、总结和文本生成等。
大语言模型的局限性
随着 ChatGPT 的出现，LLM（大型语言模型）的开发受到越来越多的关注，吸引了众多企业的参与，包括 OpenAI 的 GPT-3、Google 的 LaMDA 和 PaLM、以及清华大学的 GLM 等。尽管 LLM 的强大潜力引发了广泛兴趣，但直接调用这些大模型进行编程也暴露出一些局限性，例如：
- 泛化能力限制：尽管 LLM 拥有庞大的训练数据集，但仍难以完全理解用户输入的语境和上下文，导致输出结果可能不尽人意。
<!---->
- 缺乏特定任务的优化：LLM 通常是在大规模文本上预训练的，并未针对特定任务进行优化，因此在特定任务上的性能可能不如专门优化的模型。
大语言模型应用框架
针对上述限制，直接调用大语言模型似乎并不是最佳选择，因此出现了基于大语言模型的应用框架，旨在解决这些问题。
大语言模型的应用框架通常指的是使用已有的大模型进行各种自然语言处理任务时所采用的软件架构或工具集，这些应用框架提供了一种便捷的方式，使得开发者能够利用大语言模型的强大能力解决特定的问题。
对比点 | LangChain | 其他框架 |
|---|---|---|
开放文档 | 丰富的示例代码和教程 | 可能存在不完善或难以理解的情况 |
社区活跃 | 活跃的社区支持和交流 | 社区活跃度较低 |
更新维护频率 | 持续的更新和改进 | 更新维护频率不稳定 |
目前有多种大语言模型的应用框架，比如 LangChain 、AutoGPT 等其他大语言模型。而 LangChain 的社区生态、更新速度、热度包括融资情况都占据了不小的优势。包括 LangChain 的设计理念，兼具易用性（LCEL）与很强的拓展性，都成为学习大语言模型应用框架的首选
如何学习大语言模型应用框架
学习大语言模型应用框架应当循序渐进，所以本课程主要分为 5 个模块，从 L1 ~ L5，由浅入深带大家进行学习。
总结
- 了解什么是大语言模型应用框架。
- 了解大语言模型应用框架的应用场景。
- 了解常见的大语言模型应用框架。
- 了解大语言模型的学习路线。
