Andrej Karpathy的最新視頻“我如何使用LLM”提供了迅速發展的大語言模型（LLM）生態系統的全面概述。 KarPathy以他以前的“深入研究LLM”視頻為基礎，展示了LLM如何從基於文本的簡單聊天接口轉變為複雜的多模式平台，以集成了多樣化的工具和功能。本文總結了他的主要見解和示範。
目錄
擴大的LLM景觀
Karpathy突出了開創性的Chatgpt以外的增長，提到了Gemini，Copilot，Claude，Grok，Deepseek和Lechat等競爭對手，每個競爭者都提供了獨特的優勢和定價模型。他建議使用Chatbot Arena和Scale的排行榜等資源比較模型性能。
超越文本：多模式功能
karpathy探討了LLM的多模式功能，超越了文本生成。
文本生成： LLM在創意寫作任務（詩歌，電子郵件等）上表現出色，並以動態“聊天氣泡”形象可視化。他解釋了令牌化，上下文窗口以及POS標記和NER的作用的潛在機制。討論了不同的令牌化算法（例如字節對編碼）和特殊令牌（：和）。
兩階段的訓練過程（訓練前和培訓後）是詳細的，強調了培訓前的成本和局限性以及訓練後對人類互動和減少幻覺的重要性。他還討論了解碼和採樣技術（核採樣，TOP-K採樣，梁搜索）。
圖像和視頻： KarPathy通過結合字幕和圖像生成模型來展示圖像生成。他還顯示了視頻功能，LLM通過相機提要“看到”並標識對象。
音頻：他突出顯示語音互動，在“假音頻”（文本到語音）和“ True Audio”（本機音頻令牌化）之間進行區分。展示了在各種角色中產生音頻響應的能力。
“思考”模型：故意解決問題
KarPathy探索了“思維模型”，該模型利用強化學習通過複雜的問題進行推理。他將這些與標準模型進行了對比，並說明了思維模型如何提供更準確的解決方案，儘管以增加處理時間為代價。他使用梯度檢查失敗示例突出顯示差異。
工具集成：網絡搜索和深入研究
討論了Internet搜索功能的集成，展示了LLM如何訪問和處理實時信息，克服知識截止。他比較了不同模型的搜索集成（Claude，Gemini，Chatgpt，Perplexity.ai）。
高級研究：經常需要高級訂閱的深入研究被解釋為一個過程，將廣泛的網絡搜索與推理以創建全面的報告，並帶有引用。
文件上傳，Python解釋器，自定義工具和個性化
然後，本文涵蓋了用於處理文檔和多媒體的文件上傳，用於代碼執行和數據分析的集成Python解釋器，自定義的視覺和代碼工具（Claude Artifacts和Cursor Composer）以及個性化功能的重要性，例如內存，自定義指令以及自定義GPT。提供了每個示例。
LLM初學者的提示和結論
本文以對初學者的建議以及Karpathy的主要外賣的摘要結束，強調了數學原理和數據壓縮的融合，這是LLMS的力量。強調了該領域的快速發展性質，鼓勵了持續學習和實驗。
以上是這就是Andrej Karpathy使用LLM的方式的詳細內容。更多資訊請關注PHP中文網其他相關文章！
