基于大型語(yǔ)言模型（LLMs）創(chuàng)建自己項(xiàng)目的不同方法：
- 提示 Prompting：基于一個(gè)預(yù)訓(xùn)練過(guò)的模型給出提示指令俘陷。
- 小樣本學(xué)習(xí) Few-shot：向預(yù)訓(xùn)練過(guò)的模型提供如何執(zhí)行任務(wù)的樣本（輸入和輸出）怠李，讓模型學(xué)習(xí)按照你提供的樣本處理榜揖。
- 微調(diào) Fine-tuning：在一個(gè)LLM上，通過(guò)自己的小數(shù)據(jù)集進(jìn)一步訓(xùn)練來(lái)微調(diào)任務(wù)塘安。
- 預(yù)訓(xùn)練 Pretraining：從頭開(kāi)始預(yù)訓(xùn)練自己的 LLM叭喜，一般都是用于不同主題訓(xùn)練生成專門的模型膝宁，比如醫(yī)學(xué)跨晴、法律欧聘、金融。
這幾個(gè)方法從上到下坟奥，復(fù)雜度和成本都越來(lái)越高。
