robots.txt 禁止爬行整个网站网络营销的认识

大模型训练三部曲：

1.预训练：会给大模型输入大量的数据：网页、书籍、代码等，模型通过学习这些数据的语言规律和知识结构，为后续训练打下基础。

2.SFT监督微调阶段：这个阶段工匠般的标注数据被用于对模型进行精细打磨，通过监督学习的方式，让模型能够更好的理解和生成符合人类语言习惯的内容。提升准确性和可靠性。

3.RLHF基于人类反馈的强化学习：人性化的调试，使用的数据集中会带有分数，模型需要尽量给低分内容打低分，高分内容打高分。这么做的目的是让模型不要输出不合法不合规的内容。

大模型的四个特点：

1.规模和参数量大

2.适应能力强，灵活能力强

3.有广泛数据集的预训练

4.计算资源需求大

按照应用场景，大模型可以大致分为：

1.大语言模型LLM

2.多模态模型

大模型的工作流程

1.分词化与词表映射

三种分词化：词粒度、字符粒度、子词粒度

然后会为每个词映射一个token id，也就是建立了词表映射，映射的token id才是最终交给计算机处理的部分。因为计算机或者说模型可没法直接看懂自然语言，它只能看懂数字。

2.文本生成的过程

生成的过程可以拆解为：输入问题、分词化、神经网络计算、概率选择、自回归生成和输出结果。

学到这里我有一个顿悟：大模型给出你想要的内容，其实就是根据你提供的内容，接着你的内容去生成的内容。也就是它的回答不是重新从0生成的，而是接着问题后面生成的，它根本没有把输入的内容看成是一个问题，而是把它看成一个上文，他需要做的是根据上文填写下文。而下文就是你想要的答案。