以下是关于大模型测试开发的知识梳理：
《Perplexity 指标究竟是什么?》：作者小 A 从自身经验出发，总结梳理新手友好的 transformer 入坑指南，计划从算法 1（NLP 中的 transformer 网络结构）、算法 2（CV 中的 transformer 网络结构）、算法 3（多模态下的 transformer 网络结构）、训练（transformer 的分布式训练）、部署（transformer 的 tvm 量化与推理）五个方面介绍。 《初探 LLM 基座模型》：主要介绍 LLM 基座模型里常见的 3 种 transformer 架构，包括 encoder-only、encoder-decoder 和 decoder-only。 《从 0 到 1 了解大模型安全，看这篇就够了》：介绍了 transformer 的架构，如 encoder-only 适用于自然语言理解任务，encoder-decoder 用于理解和生成内容，decoder-only 擅长自然语言生成任务；还提到大模型的特点，如预训练数据大（来自互联网，包括论文、代码、公开网页等，常以 TB 级别计）、参数多（如 GPT-3 已达 170B）。 《开发：产品视角的大模型 RAG 应用》：从产品视角分享大模型 RAG 应用，包括 LangChain 初体验，预计分成 3 篇分享，分别是项目背景、初步体验和评测结果，调优思路分享，如何测评。