Wenn Sie Large Language Models verstehen möchten, sollten Sie sich mit grundlegenden Konzepten auseinandersetzen. Ein Großteil des Codes, den wir verwenden, um mit LLMs zu interagieren, ist hinter mehreren APIs verborgen – und das ist auch gut so. Wenn Sie jedoch wie ich sind und die Einzelheiten dieser magischen Modelle verstehen möchten, gibt es immer noch Hoffnung für Sie. Derzeit gibt es hauptsächlich zwei Arten von Menschen, die mit diesen Modellen spielen: Benutzer, die über Anwendungen wie ChatGPT oder Gemini interagieren, und Datenwissenschaftler sowie Entwickler, die mit verschiedenen Bibliotheken arbeiten, wie llangchain, llama-index oder auch APIs wie Gemini oder OpenAI, die den Prozess des Aufbaus auf diesen Modellen erleichtern.
Das Problem besteht darin, dass ein grundlegendes Wissen im Bereich Text Mining und Natural Language Processing in Verbraucherprodukten oder APIs vollständig verborgen ist. Und verstehen Sie mich nicht falsch – sie sind großartig, um coole Anwendungsfälle rund um diese Technologien zu entwickeln. Aber wenn Sie tiefergehendes Wissen erlangen möchten, um komplexe Anwendungsfälle zu entwickeln oder LLMs etwas besser zu manipulieren, müssen Sie die Grundlagen überprüfen – insbesondere wenn die Modelle sich so verhalten, wie Sie es wollen.