参与红楼大佬Ai代写训练营-day2：对大模型本质的思考

  上午无事逛了逛新网，看看之前大佬写的ai代写复盘文，感觉自己又彳亍了，正巧那时候企业wx弹消息了，发现是发言稿类型的写作，在大佬的文章中，发言稿类型的洒洒水的，随便接，我立马火速点击进去里面私派单，十几秒过后派单发了聊天记录，看了一下是客户的要求。
看完我就有点蒙蔽，这要求不是很明确啊，感觉是直接写一篇发言稿，又像是在原先的发言稿的基础上做内容填充，润色，又像是提修改意见。
把疑问发给派单，派单说都可以，我立马就说可以接，打算直接原有的基础上改一改润色一下，结果呢？派单问我有无案例，我直接就蒙蔽了，原来还要案例的，看样子是新面孔没有信任基础，就在我思考怎么随便找个发言稿糊弄过去的时候，派单和我说，出了，md给我机会我不中用啊。
不过还是有收获的，至少派单的原始需求已经给足了，我直接随便改一下，下次再有发言稿问我案例我直接给。

这是今天上午的事情。


  晚上，学完了第二天的课程，我对大语言模型有了新的理解，之前也有很模糊的认识，经过红楼的课程，这种认识更加清晰了。
感觉大语言模型就像是一个字词空间，假如类比成星系的话，那么一颗颗星星就像是一个个词，而输出的过程就是把这些星星链接起来，相近的星星在输出的过程中更容易链接起来
而我们构建提示词就相当于绘制星系蓝图，把这个星图发给大模型就像是按照这个星图是改造星系。
据我所知大预言模型一般有三个过程而来，分别是无监督学习、有监督学习、强化学习，类比一下的话。
无监督学习就是扩充星星，为星系增加星星，而有监督学习就是人为的去调整那些星星的聚集程度，使得大模型的输出更为符合道德规范，强化学习就是微调星星密集度更加个性化，而详细且规范的提示词就是在构建星图，让大模型知道怎么链接星星。
课程的后面全面的介绍了输出材料的方面的内容，众所周知，想要大模型输出高质量的内容，优质的输入材料是必不可少的，像当初有个lw现需要查找外文材料，但是呢?我所掌握的渠道大多数是中文的，这就很头疼了，但是呢？红楼后面给出了很多渠道真是帮大忙了

接下来打算继续推进tb派单群与咸鱼，小红书开始养号。

以上就是所有内容。