首页
学习
活动
专区
圈层
工具
发布
技术百科首页 >智能体技能 >智能体技能与大模型微调(Fine-tuning)有什么区别?

智能体技能与大模型微调(Fine-tuning)有什么区别?

词条归属:智能体技能

1. 作用对象不同

微调通过改变模型权重来调整模型的固有行为与风格;技能不改变模型权重,只是把程序性知识以目录形式提供给模型按需使用。

2. 成本与门槛不同

微调需要训练数据、算力与调参;技能主要由编写指令与组织文件构成,门槛与成本显著更低。

3. 适用场景不同

微调适合塑造模型底层能力;技能适合沉淀可复用、随业务频繁变化的流程与规则,且随模型替换而无需重新训练。

相关文章
构建AI智能体:大模型三大适应技术详解:有监督微调、提示学习与语境学习
当大模型浪潮席卷各行各业,数十亿甚至千亿级参数的模型成为焦点,却也给接触甚少的我们筑起了一道无形的壁垒。我们既对驾驭这类庞然大物所需的硬件投入感到迷茫,不清楚是否需要动辄百万级的服务器集群、海量算力支撑,也对自身技术储备充满忐忑,不确定复杂的模型部署、优化是否超出掌控范围。热潮之下,大模型的强大与未知交织,让我们在向往其价值的同时,也难免被疑问与惶恐裹挟,迟迟不敢迈出尝试的步伐。
未闻花名
2026-01-19
7702
Memento:基于记忆无需微调即可让大语言模型智能体持续学习的框架
大语言模型智能体(LLM Agent)是一类利用大语言模型通过交互、推理和决策来自主执行复杂任务的系统,通常具备访问外部工具、记忆系统或环境的能力。与被动响应单一提示的传统LLM不同,LLM智能体采用主动且迭代的运行模式,在明确目标的引导下执行任务。这类系统正被广泛部署为跨领域的自主问题解决器,OpenAI的Deep Research智能体便是典型代表。
deephub
2025-11-15
6960
关于大模型微调,你了解多少
大模型是指参数量极大(通常达数十亿至数万亿)、基于深度学习技术(如Transformer架构)构建的人工智能模型,通过结合海量数据和强大算力训练而成,能够处理自然语言理解、生成、多模态交互等复杂任务,具备逻辑推理、内容创作和跨领域迁移能力,广泛应用于AIGC、智能助手和科学研究领域等。通俗的理解,你可以把大模型理解为一个超级学霸,大模型自身通过阅读互联网上海量的书籍、文章、对话等数据,把自身构建成一个上知天文,下知地理的存在,你可以问大模型任何问题,任何事,而大模型也能根据你的问题给出合理的答案来满足你的需求。这就是大模型,比如今年火爆的DeepSeek。
六月的雨在Tencent
2025-03-27
9360
构建AI智能体:深入浅出LoRA:低成本高效微调大模型的原理与实践
在我们的印象中,我们曾比喻大模型为一位学识渊博、通晓古今的大学者,他读过亿万本书,知识储备深不可测。但是,如果我们先想让他成为我们公司的法律顾问,或者帮我们写中医养生文案,他可能会显得博而不专。如果直接让他去背法律条文或中医典籍,做一个全参数微调,这就像让这位大学者为了一个新专业,把他过去学过的所有知识都重新梳理、更新一遍,这个过程不仅耗时耗力,也需要巨大的算力和时间,而且成本极高,甚至可能因为学习新知识而干扰到他原有的广博学识,形成灾难性遗忘。
未闻花名
2026-01-04
5K3
构建AI智能体:从SVD的理论到LoRA的实践:大模型低秩微调的内在逻辑
英文简称SVD,直观的理解就是拆解与重组,任何复杂的操作都可以被拆解成一系列简单步骤的组合。比如,一个复杂的舞蹈动作,可以拆解为“抬手”、“转身”、“跳跃”等基本动作。
未闻花名
2026-01-07
9353
点击加载更多
词条知识树 24个知识点
更多
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
领券