100% 有好处的事情： 在你关心的领域：不断的测试各种模型：评估准确度
answer.AI (只有10个人)
AI 数字人，3亿(短短数月)
AI PPT(月收入数百万)
星野
金融从业 AI 助手
AI 疯狂盈利 3亿
AI 投入
AI 的行业影响
如何成为 AI （应用）工程师
能力模型
AI 技术简单介绍
金融场景的 AI 结合业务场景落地
LLM Based Agent
如何使用一个 Agent
多 agent 协作
如何实现一个 agent （业务场景拆解）
coze 做 agent 工作流
function call
LLM： 无状态，有状态，连续，离散
人类的所有概念都必须通过文字（符号）表示：
agent 就是在 LLM 的基础上，进行进一步的结构（格式）化：比如音频，视频等。
在你关心的领域：不断的测试各种模型：评估准确度
视觉： 识别|生成 音频： 识别|生成 代码： 识别|理解|生成
RAG
微调
垂直领域的模型
chatgpt3 --> chatgpt 3.5 就是做了 微调：
- 80 个博士 --> 整理专业知识（量变产生质变）强化学习
- 很多普通人（人类反馈） --> 问问题，对答案进行排序（量变产生质变） （reward model）强化学习
- 2323 循环往复，RL 基于人类反馈的强化学习
chatgpt3 --> chatgpt 3.5 第一轮专业数据只需要 13K 一问一答
chatgpt3 --> chatgpt 3.5 第二轮专业数据只需要 33K 一问一答
fine tune 垂直领域小模型数据重在于质量
-
选择一个模型
-
收集数据
-
自己本地训练
RAG embeding 的（必须要）微调（法律行业专业性要求高）
三、岗位就业必须要懂的算法原理
目的： 了解模型的应用的边界
注意力 transformer 算法
（多头） 自注意力机制
chatgpt 96 次聚合：用 12288 维度的向量去存储每个字在各个**推测方向（语义上下文）**的概率。
RAG： 将静态文档形成向量库
- RAG 静态文档切分多大一块儿： 100 个文字，1000 个文字？
为什么要懂算法细节？ 月薪 70k 的工程师需要在客户当地驻场梳理工作流
模型能力对比
市场需求
