Mistral 入门指南

Mistral 推出的开源 Mixtral 8x7B 模型采用了“专家混合”（MoE）架构。与传统的 Transformer 不同，MoE 模型内置多个专家级前馈网络（本模型为8个），在进行推理时，由一个门控网络负责选择两个专家进行工作。这样的设置让 MoE 在保持与大型模型相当的性能的同时，能够实现更快的推理速度。Mixtral 8x7B 模型共有 46.7B 参数，但在实际推理时仅激活其中的 12.9B 参数来预测下一个 Token。

在《Mistral 入门指南》课程中，由 Mistral 的 Sophia Yang, Ph.D. 主讲，你将会了解到：

- 通过 API 调用及 Mistral AI 的 Le Chat 网站，探索 Mistral 的开源模型（Mistral 7B、Mixtral 8x7B）及商业模型。
- 实施 JSON 模式来生成可直接融入大型软件系统的结构化输出。
- 学习如何使用函数调用进行工具操作，比如使用自定义 Python 代码查询表格数据。
- 将你的大语言模型（LLM）的响应与外部知识源结合，使用 RAG 技术增强实用性。
- 创建一个可以参照外部文档的 Mistral 驱动聊天界面。

本课程将助力提升你的提示工程能力。

课程链接：http://t.cn/A6TnqQye

视频1：介绍 （第一个视频发错了，补发了中英文字幕版：http://t.cn/A6Tn5wLl）
视频2： 概览
视频3：如何写提示词
视频4：如何选择合适的模型
视频5：如何使用函数调用
视频6：如何从头实现一个简单的检索增强生成（RAG）
视频7：如何实现一个简单的聊天机器人
视频8： 总结