赖玲
上回说到，我学完了PART1的AI基本概念、发展历程和能力边界。今天接着记录第二阶段的真实感受——刚啃完PART2（大模型核心机制与原理），终于搞明白了AI为什么能"听懂"人话。一、CAIE认证是什么？CAIE认证，全称Certified Artificial Intelligence Engineer（注册人工智能工程师），由CAIE人工智能研究院颁发。一级考纲不限专业、零基础可考，70%的分数放在"应用"上——Prompt设计、AI工作流落地、RAG和Agent策略。不背概念，就考你会不会用AI干活。对于新媒体运营来说，我需要的就是"用AI把运营效率提上去"的能力。二、我的备考时间安排待业在家，时间有但容易散。每周学4天，每天上午10点到11点半固定学习。PART2虽然只占4%，但理解起来不轻松。我花了一周半：前三天通读教材，过Embedding、Token、注意力机制等概念；中间三天重点啃Transformer架构和训练流程，配合官网免费课程音频反复听；最后两天整理笔记，用自己的话写一遍，确保真的理解了。三、学完PART2的四个收获收获一：文本是怎么传进大模型的。 文字不能直接传给模型，得先转成数学向量。理解了这一点才明白，同样意思换种说法AI理解不一样，是因为它处理的是向量距离。CAIE考纲把这块放在PART2，理解这个底层逻辑后，学Prompt设计才不会照猫画虎。收获二：Token是什么。 Token是模型处理的最小单位，不同模型对同一段文本的切法不同。对新媒体运营最直接的启发：写Prompt要精简，精简指令能让AI响应更快、输出更准。收获三：AI如何"读懂"上下文。 Transformer架构和注意力机制是关键——模型会给每个词分配不同的"注意力权重"。想让AI关注什么，就放在指令后段或明确标注"重点注意"。这也解释了为什么CAIE考纲在PART3要先讲"结构化思维"再讲Prompt设计。收获四：大模型的训练过程。 从预训练到微调再到强化学习。理解了训练逻辑，就知道垂直领域的专业信息必须给参考资料，不能指望AI自己知道。四、做笔记的方法我的笔记分成两栏：左边记核心概念，右边用新媒体工作场景写"翻译版"。比如左边写"Embedding是将文字转化为数学向量"，右边写"相当于把'今天天气不错'翻译成数字串"。
发布于 江西
分享
评论
赞
未登录
友善发言
评论
加载中
