甚至学了良久还不知道大模型究竟是个什么玩意 为什么你会觉得大模型很难学

“先从便捷的开局，而不是从复杂的开局；便捷象征着成就感，复杂象征着挫败感”

通常是来自于理想中的通常结果，通常来自于通常，验证于通常；单纯的通常是没有生活空间的。

为什么你觉得大模型很难？甚至觉得学不会大模型？

要素就在于你太沉溺于通常，而疏忽了通常的意义。

大模型不是一个纯通常的迷信

大模型技术并不是一个纯正的通常迷信，而是一个具备较强通常性的通常迷信。

咱们有很多人在学习大模型技术的环节中，觉得大模型好难，好笼统，看了好多书和视频，最后还是记不清楚大模型是什么。要素何在？

要素就是他们沉溺于通常不可自拔，通常是对通常结果的笼统和总结；只注重通常的结果只要一个，那就是眼高手低，说什么都懂，做什么都错。

当然说这些话并不是说通常不关键，而是说通常要于通常相联合才干施展更大的威力；通常和通常就是硬币的一体两面，谁离了谁都没有生活的空间以及存在的意义。

比如说很多人学习大模型的时刻，看到网上的一些文章或视频，就觉得学习大模型要学习机器学习通常，Transformer架构，各种算法，向量解决等。

而后就硬着头皮买几本书或找几个视频开局深化钻研，而后没过几天就丢弃了，要素是觉得这玩意太难了，看又看疑问，学又学不会。

作为一个反常人，我想绝大局部人看着大模型技术中的通常架构和数学算法都会头疼，要素就是你跑偏了，没有弄清楚事件的实质。

你学习的是大模型技术，而不是来学习数学的，而且数学算法只是成功大模型技术的一种模式即使疑问数学，也不耽误你学习大模型；要素就是，有几个司机知道汽车是怎样造出来的吗？由于他们基本不须要知道，只要要会开就行。

雷同，数学和一些大模型通常对学习大模型来说，就像你去驾校学习开车；反常状况下是教练教你怎样踩油门，怎样打方向盘，怎样停车，怎样起步等等；而后在此基础之上，你自己开几年车之后，时期会遇到各种各样的疑问，这时你自己就会对汽车的基础结构和一些外围零部件发生自己的了解，甚至会被动钻研其底层通常。

但你过去就去想去钻研发起机制作原理，能源传感等等，只管这并不必定有错，或许你自己自身对这个就比拟感兴味，但除了极少局部人之外，这种模式显著不利于学习汽车，毕竟钻研通常哪有开车无心思。

所以，对一些没有技术基础，甚至基本疑问技术的人来说，学习大模型也没你们构想的那么艰巨和复杂，只不过你选用的模式有疑问。

做任何事件，最关键的是有一套学习和做事的模式方法；比如说先从便捷的开局，而不是从复杂的开局；便捷象征着成就感，复杂象征着挫败感。

大模型的基础通常对刚开局学习大模型的人来说，曾经属于很复杂的一局部了，而且通常这玩意看多了就容易想的多，想多了就容易钻牛角尖，一旦钻牛角尖就会陷出来出不来。

就拿小编自己来说，以前学物品就青睐钻牛角尖，上学的时刻学物理化学，青睐钻研为什么，为什么会这样，为什么不能那样，而后越走越偏。理想上对在校生来说，受限于过后的常识水平，很多物品只要要记住就可以了；由于没方法给你解释为什么，而且也没必要。

上大学的时刻学习编程，不时到上班之后还青睐问为什么；比如学习java和python，不时想把这种编程言语的一切原理，一切常识都弄明确，而后就糜费了少量的时期和精神，最关键的一点就是过后有些疑问想明确了，但没有经过实践操作，没过多久又都忘完了。

学习两边件MQ的时刻，非要去钻研MQ怎样发信息，怎样收信息；这个还属于反常，但在不知道详细运行场景的前提下，非要想着把它的多种信息类型都给弄明确。

但理想上，最高效的模式就是，了解MQ的基本作用和配置，而后在上班中依据不同的场景去学习和体验不同信息类型的作用，而这才干真正优化你的两边件的了解。

为什么找上班的时刻，面试官青睐问上班阅历？

要素就在于此；而且不知道大家有没有发现，他人让咱们回答一个疑问的时刻，最便捷的模式就是给他人举个例子；而这个例子就是你的上班阅历，有些人没有上班阅历，回答这种疑问的时刻，你能显著觉失掉他破绽百出。

所以他人让你讲什么是大模型？

只管你也可以经过背大模型的定义或许看他人怎样引见大模型；但假设你真的有大模型的经常使用阅历，那么你可以经过自己的阅历，用愈加深刻的话或例子来让他人明确什么是大模型。

而不是他人口中所说的，大模型全称是具备大规模参数和复杂计算结构机器学习模型，前面巴拉巴拉。。。。。

只管这个说法很专业，但理想上对疑问大模型的人来说无异于天书。

而假设换成，大模型就是一个能够像人类一样，能够启动写作，绘画和剪辑视频的系统；并且还有一些便捷的逻辑判别才干。

只管这样说不是很准确，并且也不是齐全正确，但确实更容易让他人知道，大模型能写作和画画，只管大模型还可以做更多的事。

原文链接：​ ​​ ​