语言大模型的出现，大大提升了人机语言交互能力，大模型的研究与应用成为当下学界与产业界共同的热点。然而，实际应用过程中，大模型在专业知识的丰富度和深度上都不足以达到落地解决实际问题的程度。我们结合实际经验，探讨了大模型落地中的核心要素：数据、微调、知识增强和模型评测。希望听众能从中了解大模型实际赋能业务的具体有效的实现路径。

演讲提纲：

1. 大模型研究概述大模型的训练

• 国内大模型现状
• 大模型落地痛点

2. 法律大模型构建

• 大模型二次预训练
• 指令微调训练
• 训练数据分布
• 数据筛选与改造

3. 模型增强

• 知识库构建
• 意图识别算法强化
• 知识增强

4. 大模型演进思考

你将获得：

• 了解垂直领域与通用大模型之间的 Gap
• 了解以大模型为代表的 AI 技术实际落地场景的路径及面临的挑战