kino大模型在哪可以用

准备好，你即将在几分钟内拥有一个你随时可以访问的私有免费大模型。第一步，下载欧拉玛。欧拉玛呢是最火的专门为本地运行和部署的开源大模型设计的工具，下载完它呢，只需要输入一句， 欧拉玛瑙某某某开源大模型就任你用。第一步呢，我们打开欧拉玛的官网，然后点击他主页的下载，跳转进去之后呢， 选择适合你的系统，比如说我这里的系统是 windows， 下载好之后继续跟着它的步骤去安装。第二步，按住键盘上的 win 加 r， 在 这里输入 cmd 回车。在终端输入我们唯一的一条命令，欧拉玛 run 拉玛三点一，让欧拉玛帮你运行拉玛三点一的模型，现在他就开始下载模型了。下载完成之后呢，你就看到这个提示， 你已经可以成功的在本地运行这个大模型了，然后你就可以直接开始对话了。第三步，首先 ctrl 加 d 或者直接输入 by 就 可以退出对话啦。 我们打开欧拉玛的官网，看到右上角的这个 models 点进去，这里几乎有所有的前沿大模型，我们想要哪个模型点进去拷贝他的口令？比如我们再来一个最近登顶世界之最的千万大模型，欧拉玛万千万拷贝过去，回车 搞定。现在呢，你就可以像普通 ai 客户端那样去对话了。如果我们要读取网页链接的话，在这个网页链接之前加一个井号就可以了。如果要上传文件的话，就点击对话框左边的这个加号就可以上传了。再设定一个提示词，让他永远回复中文。 好啦，拥有一个运行在自己电脑上随时可以访问的大模型，就是这么简单！关注皮皮，每天解锁一个逆袭小技巧！

只用三十秒，教你在红斑电脑上部署本地大模型，甚至都用不上鼠标键盘，记得收藏开计时。 打开设置，点击本地 ai 模型管理，里面有华为官方内置的大模型，下载这个八十亿参数的千万三，或者是 deepsea， 接着点击应用市场，点击工作页，再点击 pc 专属应用，下载 cherry studio， 打开，点击左下角的设置，再点击本地 ai 模型， 点击管理，它就会自动识别下载的模型，点击这个加号导入模型。好，现在你已经完成了本地大模型的部署了，是不是完全的无门槛？看我现在是断网的状态，但是也是可以直接和八倍参数的千万三对话的，每秒差不多二十到三十 to， 四倍的有五十到六十 to， 一 点七倍的则有八十到九十 to， 有 时能冲到一百以上， 七零叉九零的 n p u 算力差不多是三十到四十 t t ups 双大核达芬奇架构的 n p u。 如果你想搭建本地知识库，红魔电脑上也内置了 bgm 三嵌入模型，大家上手就能够直接用华为，真的是太贴心了！怎么样，一到五分这样的无门槛本地大模型你能打几分？

看好了兄弟们，最近这个全网都在找的智普 ai 开源大模型 outgame， 还有很多兄弟不知道怎么去下载安装的，先说简单几步教会大家，咱们首先打开手机自带应用商店，下载好这个软件，下载好了之后打开咱们的抖音， 点击下方的分享，点击分享链接，然后再打开咱们刚刚安装好的这个软件，它这里会自动跳转进入咱们的搜索栏，搜索里二住院库，立即查看， 点击进去，然后打开这个其他资源，取消全选，勾选这个智普 ai， 给它保存下单安装就可以了。

不会写代码，没有好显卡，连训练数据长啥样都不知道，就这也能配玩大模型微调？那是你没见过跟他们上这个六十 k star 的 项目 l l m r factory， 哪怕你不写代码，用的是消费级盖卡，甚至是不懂大模型的小白，看完我今天这个保姆级教程，都能让你从零彻底掌握大模型微调技术。 那么接下来大家跟着我的脚步，我们先来看一下第一个问题，为什么大模型需要微调呢？首先在这里哈，我提出了四个，四个点哈，我认为四个比较重要点。首先第一个 我们预习的模型，大家知不知道什么是预习的模型呢？就比如说我们使用的千问三，我在网页上面使用的千问三，或者说 deepsea， 这叫我们的通用模型。我们任何的问题是不是都可以给他问啊？问他他都能给一个大概答案，但是他不一定对，也不一定能够贴合我的专业， 比如说我这个企业是金融的或者医疗的，他回答的东西虽然说可以用，但是他不是很专业，大家有没有发现呀？所以说啊，我们预先的模型，他是一个通用支付，缺乏专业的技能。 我们可以这样想象一下，我们是一个刚毕业的一个大学生，我们是不是学了很多知识，但是你你进入岗位之后是不是还是需要岗前培训呢？ 那么我们只有通过岗前培训，比如说我做一个什么银行那个业务员，我不经过培训，我懂银行的业务吗？我在大学学过了吗？应该是没有学的，所以说我们就必须要干嘛呀？进行一个微调， 大家可以理解吗？我想做我企业的一个专有的工作，那么我就要对通用的模型进行专有的一个微调，大家一定要理解这一点，所以说这是我们的第一点，预训练模型，它是一个通用支付，缺乏专业技能。 第二点是什么呢？啊？迁移学习的高效策略，我们模型微调是迁移学习的一种形式，什么是迁移学习呢？我们可以这样想， 你会骑的自行车，那么你学骑电动车是不是就特别快啊？大家可以理解吗？因为你已经有了平衡感和操控这个呃方向把的这个能力，那如果说你啊，以前连自行车都不会骑，现在直接给你个电动车，你可能上去就摔了， 那么我们是在一系列的基础上再进行微调的话，那么就相当于我们已经学会了一些东西，再学一些新的，再学一些东西的话，那么就会很顺利，很快就能够啊，快速的适应新任务，比起零训练来说，他更节约资源， 你可以这样想呢啊，一个会骑自行车的人，他学电动车肯定更快，那你不会自行车，你学电动车肯定会更慢一点，大家可以理解吗？啊，这就是这一点， 那么接下来我们看第三点叫做任务对齐，就是我们以前的任务跟现在任务他不一样了，比如说哈，我举个例子，有一个小说家啊，小说写的非常好，但是啊，现在已没有灵感了， 他要做一个语文老师啊，做高考的一个呃，作文的一个解析。那么啊，我们是不是只需要告诉他我们的格式什么啊？你要观点明确啊，你要整的结构不能超过八百字啊，你也不能写成什么抒情文，不能跑题。我们把这要求给他之后，他是不是就能够按照我的一个要求来做了呢？ 大家可以理解吗？啊？就是我以前那个任务，比如说是预测下一个词，但我现在是要分类和摘要目标不一样，那么我们通过微调啊，给他设置我的要求就可以了，他就能够把任务从这一方面转化到另一方面， 我们只需要给他规定好我们的任务是什么，通过新的一个数据啊，我这个新的数据肯定是要适合我的新的一个任务的， 那么第四个呢，就是领域一个适应啊，如果说我们上面写的是，如果说目标的数据和预期的数据差距很大，我们通过一个例子给大家讲一下 我们一个普通的翻译，比如说我中文、法文啊，什么英文、俄文、日语都懂，那这些文语言都懂。但是我现在啊，我是要进一个法律的方面，专业一个翻译，我只之前的话就是口头的一个翻译，日常的话语翻译啊，很少有法律相关的词汇，但是我只需要 啊，稍微阅读几篇法律的一个合同，是不是比如说英文的法律合同，那么我就能够知道啊，相关的一些内容了，我就不需要什么都学习啊，我只需要学习一点的内容啊，我们只需要 训练一点的内容，能够让模型适应新的语境就可以了，理解新的术语和表达习惯，大家可以理解吗？ 我们不需要从头训练了，这就是我们模型微调的一个必要性，通过这四点给大家简单来讲一下啊，现在大家对这点还有什么疑问的吗？如果有疑问的话，欢迎大家对在评论区给我进行一个提问，如果没有的话，我们就进入下一个点模型微调的基本流程是什么？ 这一点来说简单说也不是很复杂，他一共分为五个流程，第一个流程是什么呢？我们准备我们的这个预训练的模型，我们准备这个预训练模型啊， 比如说我想使用千万三级微调啊，或者用 deepsea， 那 么有一些开源的模型我们是不是直接可以使用呀？那么你不想使用这开源呢？那么你就要自己去练模型，那么微调的前提就是你需要有啊，你可以从一些现成的啊，比如说啊 brt， 还有什么拉玛啊， 拆的 g r m 或者千问，还有呃 deepsea 啊，比如说，呃，还有一些闭源的我就不说了哈，比如说这拆的呃，比如 g p t 四，那就是闭源的那些我就不多说。这些开源的话你都可以直接使用的，比如你从哈根 face 上，或者说从呃 model store， 呃， model shop 都可以进行下载啊，你可以，然后下载完之后你就可以进行微调。 如果说你想使用闭源的话，可能你就要自己进行一个合作哈，公司跟他进行一个合作，或者说你自己部署一个啊，自己预先的一个模型，这我就不多说了，这里的话，我们等下我们实战的时候也是会使用一些已经开源的一些训练好的一些大模型。那么第二点就是什么呢？我们要准备数据， 因为前面呢我们是讲了有些，比如说任务对齐、牵引学习和说呃，领域适应，我们都是需要我们当前的一个数据的， 符合我当前任务需求的数据。比如说我现在有个项目啊，是跟教育合作的一个项目，那么我们想训练这个模型的话，我们就必须要教育相关行业的一些什么呀？一些数据 啊，比如说学生那些成绩了，各方面那些数据我们必须要准备好，如果没有的话，我们是没办法做的。我们来看一下哈，我们需要收集和你任务相关的重点是什么？任务相关的一些数据 啊，这个数据相当于什么呢？我们是不是假如说考试在这里的话，相当于我们实战，对不对？那么我想考试的话是不是要先学习啊？有题目和答案，我们通过学习题目，然后对比答案，然后我们就学习那么这个语文哈，有一个语文知识和数学知识是不一样呀， 我想考语文考试是不是肯定要学习语文的一些知识，能理解吗？啊？所以我要想数学考试的话，我肯定要学习数学的知识。那么在这里的话，我想做金融行业的一个微调的话，我们就必须要收集和整理金融行业的一个数据 啊，千万不要弄错了这一点，就数据一定要对，你数据不对的话，你后面微调，你微调多少遍你都不可能做对的啊，这个是在我们真正企业中非常重要的。 接着我们来看第二点，第三点，数据的预处理和格式对齐，我们需要把格式啊给对齐，然后数据啊要清理好，有些脏数据我们必须要清理好，这里的话就不多说了哈， 重点是哪一点呢？我们必须要与预训练使用相同的分词器，比如说千问三，你就要使用千问三的分词器 doublethink， 你 要使用 doublethink 的 分词器， 那么第四点就是可以配置训练的参数，并开始微调， 这里的话，这些参数的话我们后面会说到哈，我们实战的时候会说到。这里话我就不多说了，我们只需要干嘛呢？先加载预训练模型，然后加上我们的任务啊，然后设置超参数，然后选择优化器进行选择训练方式，这里话训练方式包含两种，一个就是全量微调，一个是高效微调，也叫做部分微调。 这里的话啊，大家自行了解，因为他要牵扯的知识点太多了啊，我讲不完这里的话，我们知道我们现在用的最多的叫做高效微调，也叫做部分微调就可以了啊，我们用的非常多的叫做 lara 啊，大家如果想自己微调的话，也可以选择跟我一样的使用 lara， 那 么第五步就是什么呢？我们在这里哈已经开始微调微调好了，我们怎么测试我们的这个模型效果怎么样呢？我们就可以进行评估，验证和部署 好，我们先在验证级或者说训练级上看它的一个性能怎么样，比如说我们通过测试准确率和 f 一 值，还有 blu 等等的一些内容啊，进行一个测试，得到它的一些分数，如果效果好的话，我们就只可以直接使用，如果不好的话，我们就可以给呃 修改前面那些东西，比如说我可能把它的质量太差了，是不是它的数据量太少，或者说我的学习率不够，还有很多种可能，这个的话需要我们实际的项目，实际的来说，因为每个项目它可能不一样啊，需要根据你的真实项目来检测来调优。最后的话我们就可以将部署好的模型进行保存应用了。 好到这里的话，大家应该对我们模型微调的五个步骤应该有个简单的一个了解了，对不对啊？大家心里默想一下这五个流程，我们真实项目落地的时候就是按照这五个流程来的。 好，那么这里的话应该是没问题了。之后我们就来看一下我们不使用代码可以微调吗？以及我们这个模型的微调的参数是怎么调整的？我们模型微调的一个啊，它的一个效果我们是怎么查看的啊？它的内容我们是怎么查看的？那么这里的话，这三点我们会接下来通过实战的方式来给大家演示， 我们来看一下我们如何实战。首先第一个我们是按照刚的流程来，对不对？我们要先选择大模型，这里的话我们使用哈根 face， 这里的话我已经给大家找好了，我使用的是千问三一点七 p， 当然你可以啊，你选择别的也是可以的。然后的话你如果你电脑性能比较好，你可以使用三 b 啦，七 b 都是可以的，如果你性能比较差，还有零点六 b 的 也可以供你选择，这里的话具体你要怎么选，进入哈根贝斯自己选择就可以了。然后好我们来看一下这个怎么下载呢？代码其实已经给大家写好了哈， 我都已经给大家写好代码了，大家只需要运行就可以了。这个的话，呃，这个环境等下会讲到，我只是跟你说我们代码是要怎么下载，这里点击右键就可以下载了，你这里这个要怎么换呢？只要把这里换成你要下载的一个什么呀？一个这个模型名字，这个怎么复制呢？比如说在这里的哈，我直接在这里 啊，复制这个就可以了，然后给它换过来。好，然后这个选择路径就可以了啊，这里的话我就不再下载了，因为我已经提前下载好了给大家。 然后的话，第一步我们模型是不是已经准备好了呀？那第二步我们选择数据，我这里的话，它这个 lama factory， 它是提供了一些数据供我们使用的，你可以使用这些东西进行微调来玩。好，我们可以来看一下哈，有哪些数据 啊？比如这有很多数据哈，大家可以看，你也可以进行使用。那么我有没有可能自己加一个数据呢？也是可以的啊，比如说你想加一个，那么你加之前你一定要符合我们这个格式啊，他有些格式怎么看呢？在这里这是有不同的格式哎，这是这个格式，那有这个格式对不对？那么你要按照他的格式来做 啊，这里的话我们是用十二 gpt 的 一个格式加了一个，呃，一个训练的一个数据哈，大家先来看一下这数据啊，我已经提前准备好了一个孙悟空的一个风格的一个数据，然后的话我们要给他加到我刚给大家演示的这个地方，那么这个地方啊，我已经给他写好了啊，在我们下这个文档里边哈，再来看一下 在下面。好，你只要把这个地方加进去之后啊，他就能够识别到这个数据。好，然后这样的话我们就可以准备好数据了。那准备好数据之后，接下来就干嘛呀？我们就可以来搭建拉玛法则的环境了。 那么拉，呃，搭建拉马库这个环境怎么搭建呢？我们来到它这个 github 上面，那么首先第一种方式，我们可以官方下边其实给了我们怎么来做哈？我们往下滑，滑到下面可以看到这里哈，我们是首先啊，你要把它拉取下来，拉取的话你可以直接通过这条命令，你也可以干嘛呀？你也可以下载 滑到这上面之后呢，我们来到这一个压缩包，下载压缩包之后呢，我们可以给他解压，我们来看一下，我给大家找到。好，大家看一下我的这个哈，这是我解压过后的拉马库水 在这里，那么你解压过去之后呢啊，你需要干嘛？你需要给它创建虚拟环境，这里的话你可以使用 cuda， 也可以使用。呃， ev 创建完了之后呢，这部创建的话，因为它是拍摄的一个基本的内容我就不多说了啊，大家如果感兴趣的话可以，如果你不会的话可以在评论区提问，因为它视频时长是有限的，我不可能说啊长时间在这里做，如果你很多人不会的话，可以在评论区提问，我会给大家出一期视频。 好，这里的话啊，你做好了之后呢？你这个虚拟环境搭建好之后呢，我们就要把它的库给它下载下来，怎么下载呢？我们来到这里的对应命令，我已经给大家准备好了， 我们这个下载所需要依赖包之后需要你下载这两个啊，第一个是它官方给的一个依赖文件，它里边有很多依赖文件。第二个呢是我们这个啊，这个什么 pyrotch， 还有什么，还有一些光发配的一些依赖啊，都在这里面有一个重点哈，我们这里我要给他讲一下原我就是你从给他拉取的这个哈，他是有问题的，那有问题我们找一下给大家。好， 是这里有问题哈，我给大家找一下这里如果哈你是直接使用的话，你没有改的话，这里是没有给加 c u 一 二六，没有加 c u 一 二六的话，他下载的就是 g p u 版本，那么你后面的模型微小是做不了的，很多人出错都是在这里出错，我这里强调一下子 啊，很多人在这里出错，那么啊一定要给他加上，然后的话其他的都是一模一样的就可以了，然后我们只需要执行这两行命令就可以了哈，执行这行命令把我们的所有依赖拉取上来之后呢，我们就可以使用了， 那么接下来我们就可以检查我们这个拉帕克水有没有拉取成功啊，有没有成功之呢？我们来看下这条命令，来到我们这个哈终端，我给大家看下终端， 好，这是我的终端哈，其实我拉玛库克命令已经跑了哈，我给大家新建一个终端，好，我给它命令给粘贴上去之后回车，好等它运行这个命令，在这运行的过程中呢，我们就可以来看一下拉玛库克的一个官网哈， 来这里哈，我已经给大家呃，相关的一些链接我已经给他准备好了。好，我们可以来看一下，在这里如果说你想学习它的一些内容的话，比如拉玛库克它啊一些命令了各种东西，我们可以来到这里哈，有一个拉玛库克中文文档， 来到这里的话，各种安装，各种弄东西的话，我们都可以在这来学习，因为他的内容太多了，我不可能说每一点都给他详细讲清楚，你需要自己学习，我们学习大模型的一个非常重要的能力就是什么呀？就是我们要有自我学习的能力。 好，那么这里的话我给大家把链接给到大家，大家自行的学习他的细节东西，我等下会教大家如何使用。 来到我们刚刚这个 pr prgram 哈，还在运行哈，我先放着，等下再来看。那么这个有有了之后呢，那么下边这个链接我已经给到大家了哈，就是我们下载的链接 gethelp， 这个路径已经给到大家了，那么这里的话有一个推荐的环境，如果你电脑上没有显卡的话，你是做不了的， 如果你没有显卡的话，我推荐大家可以租一个云服务器，一呃一小时可能就一块多钱就可以使用了啊，你可以进行学习， 如果你这个有显卡的话，如果你配置太低的话，也建议大家配一个啊云服务器，如果你显卡大于三零六零的话，你可以使用这个蓝马 fast。 好， 然后的话啊，我们回来看他有没有做好呢 啊，这已经做好了，可以看到我是零点啊，零点九四的一个版本，是不是那么啊，然后接着我就可以执行这条命令来呃，来启动了哈，这条命令我就不执行了，因为我已经启动过了啊，我可以给大家看一下，然后挺多的，我找最上面。 好，大家可以发现没有，我这边执好执行这条命令之后，他会自动给我跳转到这个页面哈，自动给我跳转到我们这个辣妈发布会的页面 进来之后呢，啊啊，这里是英文的，那么我们需要给他改一下子，改成中文就可以了啊，这是这别的文字改成中文好，这样就可以了，改中文之后呢，大家发现这个页面的话是可以放大的哈，这是跟我们浏览器有关，我给他放大一下， 放大，这样的话大家看的时候也比较方便的话。首先我们先来看第一行的话，是我们上来先入手的一个比较重要的东西。首先第一个我们要选对模型名称 啊，我们使用这个模型，你要选对什么模型？选对了之后呢？这里有的路径，如果你不选择路径的话，它会默认从 get， 呃，从 huggyface 上下载下来，我们再微调 好，所以说我们一定要提前下载好之后呢，我们给它设置好路径，然后下载源的话，不仅支持 hackathons， 还支持 model shop 哈，还有 open mid， 非常多哈，也就是三种。 那么下面这行是什么呢？是我们的微调方式，这里我已经跟他说过了，模型微调方式非常多，我这里只说一种 lara 微调，我们使用这种方式。 然后的话，刚开始的时候我们是没有检查点的，因为我们微调过了之后才有检查点，那么我们先来看一下哈，这个模型是怎么使用的啊？我加载好这模型之后，我们怎么使用这模型呢？这里在这里哈有一个练习，然后这里是对话，我们先把之前的模型给卸载掉，这里的话我们没有检查点，之后呢，那么我们加载的就是我们的初始模型， 然后加载好之后呢，我们就可以在下面进行一个对话，看我们的模型是否啊加载成功之后呢，我们才能够进行微调呀，是不是？好？这加载可能需要一定时间，这个时间呢是跟你电脑的显存，也就是我们电脑的性能是相关的， 这里的话我们来进行一个对话，你好你好啊，你是谁？然后一个简单的询问，这个的话就是来验证我们这个模型是否可以使用，大家可以看我们的模型可以使用之后呢，我就不再进行来看了哈，我们来看下微调，在第一个训练，也就是我们的微调哈，这里的话我们有哪些参数需要改呢？首先第一个 啊，我们在这里的话，我们选择啊第一个就可以了哈，这个不需要改，然后这个是模型的一个数据路径也不需要改啊，我因为我们默认的在它路径， 如果说你用别的路径也是可以的哈，但是你要给他指定好，千万不要错了。然后的话，后面我们数据集，我们前面是不是在这里的时候已经给他加进来了？大家记不记得哈，已经把我们这个训练给他加进来了，我这名称，然后这个数据的类型是不是 啊？加进来之后呢，我们就可以在这里哈发过去，里面可以找到我们这个数据啊，因为我们位置是在最下面吗？找到完之后呢，我们可以预览数据，大家可以看一下啊，是一个孙悟空的一个对话的一个数据， 好，这里我关闭它，那么这里的话其实到这里就可以使用了啊，有一个大家可以改一下哈，叫做学习率，我们啊原来是五一减五，我给他改大一点，改成二一减三， 然后有个训练轮次，这个训练轮次的话，为了让大家能够干嘛呀？能够看出来具体的效果，我设置了五十轮，但是我们真实要做的时候不需要设置这么长，你设置这么长的话，他就会慢慢的啊陷入到他就是你训练的越多，他越相信自己是孙悟空， 到后来他可能就是认为自己就是孙悟空，导致我们这个训练过，你和呢？我们简单来解释一下子，就是我这个训练过头了， 相当于我模仿我是个演员，我，我演一个角色，但是我演的次数太多了，我认为我就是这个演员，那么我们是不是就是过头了，对不对？所以说就叫过你河，大家可以理解吗？所以说我们这里哈为了给大家，为了演示我们训练成功了，所以说我才给他设置五十轮，真实的话是按照我们的具体业务来进行一个设置的， 然后后面的话我们不需要改这个样本数的话，大家可以按照你自己的一个电脑配置可以改，你样本数越大的话啊，你的训练的数，呃次数也就越快，因为你一次性进的样本数也就越多，那么这里的话我们就可以直接开始训练了哈，我们这里的话要改一下，我刷新一下子，好，刷新完之后大家会发现我这时间就会改了， 然后的话上面的内容啊，我改成二一减三，然后这个我给他改成五十轮，然后的话这些东西数据机给他选好，好，上面的话都没有问题之后我们就可以开始微调，这个微调的话大概是需要使用二十分钟时间，这句话我就给他暂停一下，等微调好之后我们来再来看效果。 好，我们继续来看一下。这里我们是不是有个问题叫做我们 微调的过程怎么观察？这个过程的话，我们通过日制就可以观察，这里的话，这是有些日制的对不对？那么我们在这代码运行的过程中也是有些日制的，如果你发现哪个地方错了，我们就根据我们的日制进行溯源， 那么你在你这只项目的时候，你通过 lma factory 啊，那么你进一个溯源的话，你这个项目落地的速度就会变得非常的快，对不对？ 好，那么哈，我们刚刚说了这里的话，我们这个参数也已经给大家讲过了，对不对？那么啊这个过程也已经观察好了，那么我们再来看一下我们这微调到底有没有效果呢？啊？来看一下它是有效果的，在这里我们怎么来观察呢？ 我们一定要记住哪个地方记住我们这个啊？路径，你要记住它，那么是多少呀？是，呃，一六五七零五，对不对啊？在这里找到 一六五七零五，找到之后点上之后，然后在这里我们再对话，那么把之前模型要先卸载掉，卸载好之后呢，我们再给他加载模型，这一次我们加载的模型就是我们微调过后的了，一定要注意这一点， 因为我们为什么使用 lua 呢？就因为 lua 它可以随时卸载安装啊，我们不影响原始模型的一个性能，我们啊想用微调加上去，不想用给它剪掉就可以了，非常省事， 这里我们就可以运行了。那么首先还是问他你是谁吗？我这里的话把思考模式给关了，加快速度，他说啊 a 加助手没问题对不对？这里的话其实就有一些过你和了名为我，那么这里的话其实之前的话是他知道他是千问，但是这里的话他不知道了， 那么这里的话我们再问他一个问题，问他什么呢？我们在这里哈找到一个原文中的问题，我来问他，好问他如何产生泡沫啊？如何减少泡沫产生吧。提交大，大家可以看到吗？是不是基本上是按照我们给的一个数据来回答的， 这样的话就可以看出来我们微调的效果还是非常好的，那么大家可以想象一下，如果这里的话换成你企业内部的一个数据，比如说金融方面的数据，或者说医疗方面的数据，那么他是不是就可以给你专业性的回答了呢？是不是？我虽然说给大家讲的例子是简单的，但是我们这时落地的时候对我们的作用是非常之大的， 好到这里的话，我们其实整个项目就已经完成了，那么我们最终来总结一下，我相信大家哈，通过我们拉马发个水，每个人都可以用我们手头上自己的一个数据 啊，通过我们整个的啊五个流程，是不是我们先有先准备大模型，然后准备数据数据处理，模型加载，最后评估。这里的话我是没有给大家演示评估的，其实我们是那么发过去也是可以评估的哈，我只是没给大家演示，大家如果感兴趣的话，可以去他的一个啊这个文档里边来看一下。在这里是有一个评估的 啊，自己来看一下就可以了。那么啊，我相信大家每个人都可以信任出属于你业务的一个文档里边来看一下就可以了。那么啊，我相信大家每个人都可以信任出属于你业务的一个评估的，自己来看一下就可以了。那么啊，我相信大家每个人都可以信任出属于你业务的一个界面。我是啊水，我们下期视频再见。