• 背景介绍

AI研究方向逐渐演变为从通用模型向专用模型发展，然而，随着大模型的涌现，大模型成为发展通用人工智能的重要途径。

一、书生·浦语模型介绍

书生·浦语 InternLM是一种在过万亿 token 数据上训练的多语千亿参数基座模型，在多种任务上展现出卓越的性能。自六月发布以来，该模型和开源工具链不断更新升级。书生·浦语模型的规模覆盖轻量级、中量级和重量级，在不同场景下都具备优秀的表现。

• 目前 InternLM-7B、InternLM-20B 均全面开源，免费商用。

  

  书生·浦语大模型系列

• 从模型到应用

  大模型应用场景包括智能客服、个人助手、行业应用等，有着广泛的应用潜力，但实现从模型开发到应用的部署时，需要考虑更多的因素和能力。

  

  模型到应用的流程 Tips: 环境交互-调用外部api、与已有数据库进行交互等；模型评测-业务场景中进行试用并测评

二、书生·浦语全链条开源开放体系

书生·浦语全链条开源开放体系 Tips: 书生·万卷-多模态语料库；Lagent-轻量级智能体搭建框架，AgentLego-提供大模型调用的工具箱和标准化的工具接口

• 1、数据：书生·万卷1.0数据库、OpenDataLab开放数据平台

  

  

  

• 2、预训练

  

• 3、微调：增量续训、有监督微调

  

  Tips: 有监督微调：通常训练的数据量相比于增量续训和预训会少

  书生·浦语体系中的开源XTuner微调框架：

  

• 4、评测

  

  评测体系现状

  书生·浦语评测体系：OpenCompass