媲貅

大自然语言的评估本身就是棘手的问题，因为语言本身就具有多义性。所以评测一个语言模型就具有主观性。对于我们人来说，很容易就知道一篇生成的文本是坏的文本，却很难选出好的文本。我们用一行代码评估我们的模型

大模型的最后一步，也是必经一步就是最后部署到本地提供服务。无论是你直接使用预训练模型、还是嵌入数据库异或微调大模型，最后都是要部署某个地方执行某个功能。这就是部署。

时代就是个轮回，当年秦始皇追求仙丹，圈养了一批术士，疯狂炼丹。现如今我们在寻找大模型的路上也不断地去调参数以及对大模型进行微调，我们也被称为-“炼丹术士”，而微调的过程我们称为--“炼丹”。

不是微调调不起，使用小规模数据库更有性价比！大模型拥有丰富的通用知识，对于很多专业的知识库，它是没有办法输出的，这时候我们可以使用微调或者langchain来填补这个缺陷

部署大模型过程可能会遇到一些问题，这些问题大多数没有在教程中提及。这让人很着急，原因大多数是因为报错较为简单或者基础，在次罗列下来，可以进行一些参考。

这次的专题是来自商汤的大模型全栈开发框架。大模型全栈开发框架，囊括微调、agent、评测、本地部署等等。在开始之前想来系统的了解一下他们