文档摘要

3.3 预训练模型与 NLP 应用实践 本节摘要：预训练-微调范式重塑了整个 NLP。本节对比 BERT（双向编码）和 GPT（单向解码）两大范式的预训练目标、架构差异、适用任务，再讲大模型时代的新范式——指令微调如何让基础模型听懂人话、RLHF 如何对齐人类偏好、Prompt Engineering 如何激发模型能力。最后落到 NLP 工程实践：RAG 检索增强、模型评估、部署优化。 会员。《3.3 预训练模型与 NLP 应用实践》收录于灏天文库文集《技术面试高频考点整理：AI、CV、NLP方向》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/483-%E6%8A%80%E6%9C%AF%E9%9D%A2%E8%AF%95%E9%AB%98%E9%A2%91%E8%80%83%E7%82%B9%E6%95%B4%E7%90%86aicvnlp%E6%96%B9%E5%90%91

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流