1- 金融，比如预测股票，纯用K线做，我个人不太推荐。RNN，一般来讲时序LLM，其实天然和RNN，LSTM这些玩意契合，因为有本身RNN就有时间步的概念，也能部分解决长距离依赖，缺点训练费劲，也做不大，要不咋干不过Transformer呢?
大型语言模型 (LLM) 是功能强大的通用工具，但它们通常缺乏特定领域的知识，而这些知识通常存储在企业存储库中。使用您自己的数据微调自定义 LLM 可以弥补这一差距，而数据准备是此过程的第一步。这也是一个关键步骤，可以显着影响微调模型的性能。然而，手动创建数据集可能既昂贵又耗时。
LlamaIndex 允许您通过灵活的数据连接器从 API、数据库、PDF 等中提取数据。无论您是寻找一种以自然语言查询数据的简单方法的初学者，还是需要深度自定义的高级用户，LlamaIndex 都能提供这些工具。
但在实际情况中，我们通常会遇到一些问题，使得我们无法直接使用一些开源 backbone:语言不匹配:大多数开源基座对中文的支持都不太友好，例如:、、 等，这些模型在英文上效果都很优秀，但在中文上却差强人意。人工 Review 结果 & 打分原则。
一、背景介绍在不断发展的人工智能领域，语言模型占据了重要位置。随着ChatGPT受到广泛认可，语言模型，尤其是大语言模型LLM，成为科技领域的重要话题。这些模型在大量的文本数据上进行训练，使他们能够掌握复杂的语言模式与语义内容的细微差别。
