增强Llama 2的能力
大型语言模型（LLMs）已经来了，而且是来留下的。随着最近发布的Llama 2，开源LLMs的性能接近ChatGPT，通过适当调整甚至可以超越ChatGPT。
使用这些LLMs通常并不像看起来那么直接，特别是如果你想将LLM微调到你特定的用例。
在本文中，我们将介绍三种提高任何LLM性能的最常见方法：
- 提示工程
- 检索增强生成（RAG）
- 参数高效微调（PEFT）
还有很多其他方法，但是这些方法最简单，即所谓的低悬果实，可以在不太费力的情况下带来重大改进。
这三种方法从最简单的方法开始，即所谓的低悬果实，到一种更复杂的方法，用于改进您的LLM。
要充分利用LLMs，您甚至可以将这三种方法结合起来使用！
在我们开始之前，这里有一个更详细的方法概述，以便更方便查阅：
您还可以使用Google Colab Notebook一起跟随，以确保一切按预期工作。
加载Llama 2 🦙
在我们开始之前，我们需要加载一个LLM，以便在这些示例中使用。我们选择基础的Llama 2，因为它显示出了令人难以置信的性能，并且我喜欢在教程中坚持使用基础模型。
在我们开始之前，我们需要接受许可。请按照以下步骤进行操作：
- 在此处创建HuggingFace帐户
- 在此处申请Llama 2访问权限
- 在此处获取HuggingFace令牌