【Datawhale25年9月组队学习：llm-preview+Task1：大模型介绍与环境配置】

1.大模型与传统NLP模型（如BERT）的不同点
最大的区别在于使用范式的改变：
BERT：像一个大学毕业生，基础不错（经过了预训练），但要胜任某个具体工作（比如情感分析），还需要岗前培训（用情感分析的数据集去微调）。
大模型：像一个经验丰富的行业专家，你不需要再培训他。你只需要用自然语言给他下达指令（我们称之为“写提示词”），他就能直接开始工作。你想让他做情感分析，就问他“这段话是积极的还是消极的？”；你想让他翻译，就说“把这句话翻译成英文”。
这种从“微调”到“提示”的转变，极大地降低了NLP技术的使用门槛，也是大模型如此强大的核心原因之一。

2.课后作业
请自行选择 Hugging Face 或 ModelScope 平台下载 Qwen/Qwen3-4B 模型，并加载模型进行推理。
以中文友好的ModelScope为例，作业要求：
安装 modelscope 库
运行代码下载 Qwen3-4B 模型
写代码加载模型并提问（至少一个问题）
得到模型的回答（截图或保存结果）

问题：
prompt = “请向新手简要介绍ModelScope平台的功能”