Andrej Karpathy的最新视频“我如何使用LLM”提供了迅速发展的大语言模型（LLM）生态系统的全面概述。 KarPathy以他以前的“深入研究LLM”视频为基础，展示了LLM如何从基于文本的简单聊天接口转变为复杂的多模式平台，以集成了多样化的工具和功能。本文总结了他的主要见解和示范。
目录
扩大的LLM景观
Karpathy突出了开创性的Chatgpt以外的增长，提到了Gemini，Copilot，Claude，Grok，Deepseek和Lechat等竞争对手，每个竞争者都提供了独特的优势和定价模型。他建议使用Chatbot Arena和Scale的排行榜等资源比较模型性能。
超越文本：多模式功能
karpathy探讨了LLM的多模式功能，超越了文本生成。
文本生成： LLM在创意写作任务（诗歌，电子邮件等）上表现出色，并以动态“聊天气泡”形象可视化。他解释了令牌化，上下文窗口以及POS标记和NER的作用的潜在机制。讨论了不同的令牌化算法（例如字节对编码）和特殊令牌（：和）。
两阶段的训练过程（训练前和培训后）是详细的，强调了培训前的成本和局限性以及训练后对人类互动和减少幻觉的重要性。他还讨论了解码和采样技术（核采样，TOP-K采样，梁搜索）。
图像和视频： KarPathy通过结合字幕和图像生成模型来展示图像生成。他还显示了视频功能，LLM通过相机提要“看到”并标识对象。
音频：他突出显示语音互动，在“假音频”（文本到语音）和“ True Audio”（本机音频令牌化）之间进行区分。展示了在各种角色中产生音频响应的能力。
“思考”模型：故意解决问题
KarPathy探索了“思维模型”，该模型利用强化学习通过复杂的问题进行推理。他将这些与标准模型进行了对比，说明了思维模型如何以增加处理时间为代价，但如何提供更准确的解决方案。他使用梯度检查失败示例突出显示差异。
工具集成：网络搜索和深入研究
讨论了Internet搜索功能的集成，展示了LLM如何访问和处理实时信息，克服知识截止。他比较了不同模型的搜索集成（Claude，Gemini，Chatgpt，Perplexity.ai）。
高级研究：经常需要高级订阅的深入研究被解释为一个过程，将广泛的网络搜索与推理以创建全面的报告，并带有引用。
文件上传，Python解释器，自定义工具和个性化
然后，本文涵盖了用于处理文档和多媒体的文件上传，用于代码执行和数据分析的集成Python解释器，自定义的视觉和代码工具（Claude Artifacts和Cursor Composer）以及个性化功能的重要性，例如内存，自定义指令以及自定义GPT。提供了每个示例。
LLM初学者的提示和结论
本文以对初学者的建议以及Karpathy的主要外卖的摘要结束，强调了数学原理和数据压缩的融合，这是LLMS的力量。强调了该领域的快速发展性质，鼓励了持续学习和实验。
以上是这就是Andrej Karpathy使用LLM的方式的详细内容。更多信息请关注PHP中文网其他相关文章！
