对于小白和程序员而言AI与金融的结合是当下最具潜力的赛道之一而大模型作为核心载体主要分为两条技术路径通用大模型金融语料微调、金融垂类大模型。本文结合2026年行业最新进展全面拆解两条路径的优劣势、落地差异剖析通用模型微调难以超越垂类模型的核心原因梳理国内外最新发展格局帮小白快速入门、程序员找准技术方向建议收藏备用核心结论通用大模型胜在泛用性和灵活性可快速适配多场景金融垂类大模型赢在专业性、针对性和合规性是金融行业落地的核心选择。截至2026年通用模型通过金融语料微调仍难以超越垂类模型核心受限于数据壁垒、成本管控、精度不足等问题而国内外金融垂类大模型已进入规模化落地阶段未来3年将迎来爆发式增长。1、核心观点➢当前AI与金融的结合主要有两条技术路径①通用模型金融语料训练金融大模型②金融垂类大模型。1双方优劣具有相对性。通用大模型优势泛用性强、灵活性和利用率高、可迁移性强。劣势特定领域深度较浅、模型复杂、训练时间长金融垂类模型优势领域专业性、针对性的解决方案、高精度和合规性。劣势适应性限制、更新和维护复杂度、数据利用率低。2通用大模型通过金融语料训练超越金融垂类模型可能性较小。通用大模型在行业数据量性价比精确性、适用性、实时性、推理速度合规性和风险控制等方面表现欠佳。➢通用大模型“百模大战”头部模型国外领先较大平均水平国内外差距较小中文上国内表现更优。1国外通用GPT4-Turbo遥遥领先。OpenAI震撼发布GPT4-Turbo开启新一代人工智能模型的大门谷歌将在谷歌云上部署 Claude并于推出自研的大模型LaMDA 的聊天机器人BardAWS 推出自有基础模型 Titan 和 AIGC 服务 Bedrock以及 AI 编程助手 Amazon CodeWhisperer。Anthropic推出Claude是最接近ChatGPT的商业竞品xAI发布其首个AI大模型产品Grok模型通过X平台实时了解世界GrokV1.5或于2024年3月发布。2国内通用百度先行多家企业推出相关产品。百度推出“文心大模型”是目前国内预训练大模型应用端生态最好的大模型之一阿里发布通义千问2.0专业维度能力较强vivo发布BlueLM大模型应用的场景广泛月之暗面发布Moonshot大模型目前位于第一梯队。3在金融领域中通用模型应用表现各有差异。其中GPT系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。➢金融垂类模型国外发展先行国内成品问世。1国外彭博BloombergGPT率先登场。BloombergGPT的混合训练方法使其模型在金融任务上的表现大大超过了现有的大语言模型而在通用场景上的表现则与之相当甚至优于现有模型。AI4Finance Foundation开发FinGPT为金融大型语言模型提供互联网规模的数据以此推动金融领域的开源发展。2国内金融垂类模型百花齐放。奇富科技率先宣布推出自研的金融行业通用大模型“奇富GPT”度小满推出国内首个千亿级中文金融大模型“轩辕”腾讯云公布腾讯云金融行业大模型TI-OCR大模型帮助银行解决日常业务问题恒生电子进一步升级金融大模型LightGPT并发布多款光子系列大模型应用产品蚂蚁集团公布蚂蚁金融大模型在多项金融专属任务中表现突出东方财富、同花顺加大AI研发技术投入筹建人工智能事业部重点推进金融垂直大模型研发应用。1.1. 通用金融VS金融垂类优劣势对比➢当前AI与金融的结合主要有两条技术路径①通用模型金融语料训练金融大模型②金融垂类大模型。➢由于设计和训练目的不同通用语言大模型与金融垂类模型在优劣上具有相对性。通用语言大模型在泛用性、灵活性、数据利用率、迁移性上相比金融垂类更有优势而在专业性、针对性、高精度和合规性上金融垂类模型更胜一筹在复杂度问题上通用语言大模型在结构上更加复杂影响模型效率而金融垂类模型则是在更新维护上具有复杂性。图表通用与金融垂类大模型优劣对比1.2. 通用金融VS金融垂类通用金融训练超越金融垂类可能较小➢使用金融数据对通用大模型进行训练数据欠缺成本过高。金融领域的语料应该充分覆盖各种金融产品、市场情况和业务流程等。但金融领域的数据分散在各个金融机构通用大模型缺少金融数据进行训练金融专业知识不足另外一方面如果从底层开始训练大模型所需要投入的算力成本非常高比如千亿级别的通用大模型训练一次需要付出几千万的成本➢在特定任务上精确性与适用性欠缺需要更多优化与定制。金融垂类大模型通常会投入大量的时间和资源来收集和整理金融领域的专业知识。这些专业知识包括金融术语、金融工具和金融法规等。通用语言模型虽然可以通过金融语料的训练来提高在这方面的理解能力但是否能达到金融垂类大模型的专业性仍有待验证。➢金融领域要求实时性和高效的推理速度。金融领域的决策和分析通常要求实时的响应和快速的推理速度。金融垂类大模型可能会针对这一需求进行了优化以提供更快的响应时间。通用语言大模型在处理金融领域的实时应用时可能需要进一步的优化。➢金融领域对合规性和风险控制要求极高。金融领域对于数据保护、隐私和风险控制具有严格的要求专门训练的金融垂类大模型可能会更好地满足这些合规性需求。2、国内外通用大模型在金融领域应用表现2.1. 国内外通用AI大模型发展历程国外领先国内紧追➢2023年6月国内AI大模型迎来爆发式增长技术和应用不断发展但与国外顶尖AI大模型尚有差距。自2022年OpenAI发布ChatGPT以来国内迅速形成大模型共识开始追赶国外。目前各行各业开闭源大模型不断出新竞争形势越发激烈。➢综合表现上头部模型国外领先平均水平国内外差距较小。在所有模型中GPT4-Turbo遥遥领先国内最好的大模型为百度文心一言但仍有15.77分的差距。国内方面虽仍有差距但在过去一年内发展迅速平均水平上与国外差距并不明显。此外国内开源大模型在中文上的表现要优于国外开源大模型。图表AI大模型2023年关键进展图表国内外大模型综合表现2023年11月28日2.2. 国外AI通用大模型案例OpenAI微软引领业界2.3. 国内AI通用大模型案例多家企业推出相关产品文心一言百度具备先发优势文心大模型国内领先文心一言是百度全新一代知识增强大语言模型于2023年3月16日正式发布已进行多个版本迭代10月17日发布V4.0版本。据百度官方介绍文心一言目前已有7000万用户。文心一言4 . 0的能力栈较为广泛可应用的场景较多。其在查询搜索知识应用、任务拆解规划Agent、文案写作以及代码编写及纠错等方面的应用表现不俗。vivo BlueLMvivo发布BlueLM大模型应用的场景相对广泛BlueLM是vivo自主训练的大语言模型出自于vivo AI全球研究院。vivo于11月1日开发者大会上正式发布自研AI大模型矩阵包括十亿、百亿、千亿三个不同参数量级的5个自研大模型。BlueLM主要可以应用在手机智能应用中进行基础手机指令操作、实时语音助手、查询信息以及一些基于手机端的办公应用。通义千问阿里发布通义千问2.0专业维度能力较强通义千问是阿里云推出的大语言模型于2 0 2 3年4月1 1日在阿里云峰会上正式发布1.0。9月13日阿里云宣布通义千问大模型已首批通过备案。10月31日阿里云正式发布千亿级参数大模型通义千问2.08大行业模型同步上线。通义千问2.0专业维度上的能力较强可应用于相对专业复杂场景 例如金融、医疗、汽车等垂直专业场景。kimi月之暗面发布Moonshot kimi大模型位于第一梯队Moonshot kimi是月之暗面自主训练的大语言模型于10月9日正式发布。该模型具备多语言能力支持约20万汉字上下文通过创新的网络结构和工程优化实现了无损的长程注意力机制有较强的文档理解、归纳和处理能力。长程对话、长文本阅读、AI智能体等方面的应用表现强劲。另外在数学运算、内容创作、虚拟数字人等场景也有不错的表现。2.4. 通用大模型在金融领域应用表现各有差异➢国外GPT系列在金融领域表现较好。GPT系列能较好理解金融术语解答金融相关问题且具备一定的实时性在金融领域能够自动生成金融报告、做市场研究、客服机器人等。➢国内百度文心、阿里通义千问、腾讯混元以及科大讯飞在金融领域表现较好。百度文心一言具备较高的实时性且金融术语的理解较好准确度高能够在金融新闻分类、问答系统和智能写作中发挥作用。阿里通义千问能够较好的解释金融概念、提供一般性的金融投资分析指导但存在时效性限制。腾讯混元可以优化金融服务的个性化体验、市场情绪的追踪等。科大讯飞火星则将语音识别和处理技术用于交易系统、智能财经助手等。3、国内外金融垂类模型发展进程3.1. 国内外金融垂类模型发展历程国外发展先行国内成品问世➢金融大模型始于2023年3月BloombergGPT通过应用金融大模型金融效率将得到大幅提升。彭博推出了为金融领域量身定BloombergGPT模型吸引了行业关注大模型有了新的发展方向。金融行业沉淀了大量高质量数据。各金融平台的用户数以亿计各种用户画像数据、交易数据浩如烟海。利用大模型对上述数据的分析处理可大幅提高金融效率。比如金融机构可以预测用户行为偏好更高效、准确评估客户风险AI还可以实时监测交易和市场波动及时制定策略。➢当前国内外金融行业都在主动拥抱大模型。IDC国际数据公司一项调研显示超半数的金融机构计划在2023年投资生成式人工智能技术只有10%的金融机构表示没有试验计划。国外自BloombergGPT后也出现了如FinGPT等一系列金融大模型。而国产金融大模型也已分出了明显的两个“流派”。一派来自于传统金融机构另一派来自于金融系科技企业或互联网企业。图表国内外金融垂类AI模型发布时间发布机构3.2.1. 国外金融垂类模型案例彭博BloombergGPT➢彭博BloombergGPT率先登场金融任务表现远超通用模型。2023年3月底彭博构建了迄今为止最大的特定领域数据集并训练了专门用于金融领域的LLM开发了拥有500亿参数的语言模型BloombergGPT。该模型依托彭博社的大量金融数据源构建了拥有3630亿个标签的数据集支持金融行业内的各类任务彭博近40年来在金融领域积累的数据占比为51.3%剩余的48.7%则来自于公开数据。训练结果表明BloombergGPT的混合训练方法使其模型在金融任务上的表现大大超过了现有的大语言模型而在通用场景上的表现则与之相当甚至优于现有模型。➢彭博BloombergGPT相比于通用大模型有诸多优势。BloombergGPT模型对金融领域理解更为深刻并借助其针对性强、来源可靠的金融数据提供了深度专业的分析能力同时通过协助优化金融NLP任务助力提升彭博终端数据的应用价值开辟金融行业分析和决策的新可能性。图表BloombergGPT执行金融任务表现显著优于通用大模型通用NLP基准上表现相当或更好3.2.2. 国外金融垂类模型案例FinGPT➢FinGPT是由AI4Finance Foundation开发的一种专门为金融领域设计的语言模型。它的目标是为金融大型语言模型FinLLMs提供互联网规模的数据以此推动金融领域的开源发展。FinGPT采用以数据为中心的方法强调了数据采集、清理和预处理在开发开源FinLLM中的关键作用。通过支持数据可访问性FinGPT渴望加强金融领域的研究、合作和创新为开放金融实践铺平道路。FinGPT由四个基本组件组成数据源、数据工程、LLMs和应用程序。➢【应用层】FinGPT的最后一个组成部分是应用层旨在展示FinGPT的实际适用性。它为金融任务提供实践教程和演示应用程序包括机器人咨询服务、量化交易和低代码开发。➢【LLMs层】处于核心位置它包含各种微调方法优先考虑轻量级适应以保持模型的更新和相关性。➢【数据处理层】该层专注于NLP数据的实时处理以应对金融数据固有的高时间敏感性和低信噪比的挑战。➢【数据源层】FinGPT管道的起点是数据源层它协调从各种在线资源中获取大量财务数据。3.3.1. 国内金融垂类模型案例腾讯云金融行业大模型腾讯云混元大模型为客户提供一站式MaaS服务➢2023年9月7日腾讯混元大模型正式亮相10月26日正式对外开放“文生图”功能同时模型的中文能力整体超过GPT3.5代码能力大幅提升20%达到业界领先水平。算力层面推出高性能的计算集群HCC作为大模型的算力底座。平台层面提供一站式机器学习平台TI以及 QGPU 容器调度平台以及向量数据库。模型 MaaS 层面提供 L0 层面混元大模型 L1 层面金融行业大模型以及各类针对下游场景任务的 L2 的模型如智能客服、智能咨询、辅助分析和决策服务。腾讯云TI-OCR大模型帮助银行解决日常业务问题➢腾讯云推出的TI-OCR大模型提供多种识别模式包括智能结构化、固定版式结构化、检测/识别、智能分拣。TI-OCR大模型具备原生大模型支持、通过prompt设计支持复杂任务、多模态技术提高召回率的特点。通过应用TI-OCR大模型可实现自动化的数据处理和高度结构化将数据识别准确率提高至95%以上。这一应用降低了高重复手工劳动减少了运营成本实现了多元业务数据处理的标准化、线上化和自动化。3.3.2. 国内金融垂类模型案例恒生电子LightGPTWarrenQ恒生电子LightGPT重磅升级各项能力均超国内通用大模型➢2023年10月19日恒生电子发布金融大模型LightGPT最新的能力升级成果以及基于LightGPT打造的多款光子系列大模型应用产品并宣布正式开放产品公测。目前相较于6月发布的版本LightGPT在整体模型效果上提升15%安全合规性上提升13%推理速度上提升50%并面向金融机构实现LightGPT-7B的开源推理和训练全面适配华为昇腾系列。在投顾场景中 LightGPT在各个方面平均超出国内通用大模型13%。在投研场景中LightGPT平均超出国内通用大模型12%。➢继6月底恒生电子推出WarrenQ-Chat和ChatMiner两款大模型工具后 WarrenQ上新了 AI写作、语音速记、小程序、招股书/公告深度问答四款新功能并持续深入私有知识库问答、智能投顾/投研chat助手等金融业务场景。目前WanrrenQ服务于数家证券公司覆盖券商投研、财富、投行、固收等业务系统为业务人员提供智能化的数据分析和交互技术提升业务人员工作效率持续加强大模型加持下的金融垂域“搜读算写”能力。此外恒生推出了金融智能助手‘光子’光子可以为金融机构的投顾、客服、运营、合规、投研、交易等业务系统注入AI能力成为金融从业人员的AI助手。”3.3.3. 国内金融垂类模型案例蚂蚁金融大模型蚂蚁金融大模型现世多场景达行业专家水平➢2023年9月8日外大会上蚂蚁集团正式公布蚂蚁金融大模型。蚂蚁金融大模型聚焦真实的金融场景需求在“认知、生成、专业知识、专业逻辑、合规性”五大维度28类金融专属任务中表现突出在“研判观点提取”、“金融意图理解”等众多领域达到行业专家水平。专业力方面平台上有完备的数字化金融工具矩阵蚂蚁金融大模型可通过理解用户语言精准调用蚂蚁体系内的这些专业工具给用户提供相应专业服务。支小宝2.0支小助1.0促进金融领域服务革新➢得益于金融大模型带来的知识力、专业力提升支小宝2.0的智商和财商提升到了新水平能帮助用户深度解读市场信息、并结合用户的财务目标、投资偏好等提供个性化的配置策略。知识力方面做到了有问必答。专业力方面提供一系列的专业化服务300多款专业化工具通过自然语言能够打理能够操控以上所有服务。语言力方面支小宝2.0的金融意图识别准确率高达95%。➢智能业务助手“支小助”的1.0版本则包含了“服务专家版”、“投研专家版”等六个版本全方位服务不同金融场景的从业人员可在投研分析、信息提取、商机洞察、金融工具使用等环节提供深度智能服务。3.3.4. 国内金融垂类模型案例东方财富奇思妙想金融大模型➢东方财富深入AIGC、交互式AI等领域的研究进一步巩固流量优势。公司已经陆续研发了东方财富金融数据AI智能化生产平台、多媒体智能资讯及互动平台系统等多个人工智能相关项目并在公司部分产品及服务中进行了具体应用。公司将继续紧跟AI技术发展前沿不断加强AI能力建设进一步强化自然语言处理、图像处理、语音识别和多模态融合技术能力并继续深入AIGC、交互式AI等领域的研究完善内容生态构建AI赋能提升用户各场景使用体验和服务能力未来或创造新的场景以挖掘客户全生命周期需求进一步巩固流量优势并提高客户转化率。➢东方财富加大AI研发技术投入筹建人工智能事业部重点推进金融垂直大模型研发应用。8月11日东方财富公告称公司将整合业务及研发力量组建人工智能事业部。公司具备广泛的AI应用场景且沉淀了大量有效金融数据有望通过此次组织架构调整提升AI技术能力未来将在AI金融领域实现更大突破。3.3.5. 国内金融垂类模型案例同花顺HithinkGPT大模型➢问财升级HithinkGPT大模型开启内测。2023年12 月6 日同花顺开启了问财升级版的内测底层已经升级为Hithink GPT 大语言模型结合海量金融领域数据和知识通过自然语言对话协助投资者进行标的选择、标的诊断、资讯解读、投资教学等全方位投顾服务。考虑到同花顺坐拥3000 万月活流量以及B 端产品iFind 业务的快速增长同花顺大模型有丰富的落地场景。➢B端iFinD产品逐渐完善AI功能AI开放平台提供多种AI服务。公司的iFinD产品实现了基于语音交互与智能搜索服务、机器阅读研报、研报知识图谱自动生成等一整套智能化解决方案技术实力和功能处于业内领先预计iFinD大模型结合基础功能补齐、性价比优势有望引领中期份额突破同花顺AI开放平台目前可面向客户提供短视频生成、文章生成、数字虚拟人、智能金融问答、智能语音、智能客服机器人、智能质检机器人、会议转写系统、智能医疗辅助系统等多项AI产品及服务。➢伴随着金融大模型应用的不断深化和拓展当下金融大模型已经不局限于文本生成和虚拟客服等领域而是开始广泛应用于金融资讯发布、产品介绍内容创作等。展望未来随着更多的金融大模型陆续落地将采用更加精细化处理行业细分场景同时孕育出新的应用场景为传统业务注入新活力也为金融领域带来新的业务机会。这将全面提升金融服务的效能推动金融业务生态的全面重塑为金融行业持续的前进和革新铺平道路。➢我们认为2026年金融垂类AI大模型将迎来前所未有的蓬勃发展形成一番百花齐放的景象。而具备AI模型技术领先优势、较大金融交易数据基础、较好应用场景入口、积极推进AI模型构建的金融科技企业将持续受益。那么如何学习大模型 AI 对于刚入门大模型的小白或是想转型/进阶的程序员来说最头疼的就是找不到系统、全面的学习资源要么零散不成体系要么收费高昂白白浪费时间走弯路。今天就给大家精心整理了一份全面且免费的AI大模型学习资源包覆盖从入门到实战、从理论到面试的全流程所有资料均已整理完毕免费分享给各位核心包含AI大模型全套系统化学习路线图小白可直接照做、精品学习书籍电子文档、干货视频教程、可直接上手的实战项目源码、2026大厂面试真题题库一站式解决你的学习痛点不用再到处搜集拼凑扫码免费领取全部内容1、大模型系统化学习路线学习大模型方向比努力更重要很多小白入门就陷入“盲目看视频、乱刷资料”的误区最后越学越懵。这里给大家整理的这份学习路线是结合2026年大模型行业趋势和新手学习规律设计的最科学、最系统从零基础到精通每一步都有明确指引帮你节省80%的无效学习时间少走弯路、高效进阶。2、大模型学习书籍文档理论是实战的根基尤其是对于程序员来说想要真正吃透大模型原理离不开优质的书籍和文档支撑。本次整理的书籍和电子文档均由大模型领域顶尖专家、大厂技术大咖撰写涵盖基础入门、核心原理、进阶技巧等内容语言通俗易懂既有理论深度又贴合实战场景小白能看懂程序员能进阶为后续实战和面试打下坚实基础。3、AI大模型最新行业报告无论是小白了解行业、规划学习方向还是程序员转型、拓展业务边界都需要紧跟行业趋势。本次整理的2026最新大模型行业报告针对互联网、金融、医疗、工业等多个主流行业系统调研了大模型的应用现状、发展趋势、现存问题及潜在机会帮你清晰了解哪些行业更适合大模型落地哪些技术方向值得重点深耕避免盲目学习精准对接行业需求。值得一提的是报告还包含了多模态、AI Agent等前沿方向的发展分析助力大家把握技术风口。4、大模型项目实战配套源码对于程序员和想落地能力的小白来说“光说不练假把式”只有动手实战才能真正巩固所学知识将理论转化为实际能力。本次整理的实战项目涵盖基础应用、进阶开发、多场景落地等类型每个项目都附带完整源码和详细教程从简单的ChatPDF搭建到复杂的RAG系统开发、大模型部署难度由浅入深小白可逐步上手程序员可直接参考优化既能练手提升技术又能丰富简历为求职和职业发展加分。5、大模型大厂面试真题2026年大模型面试已从单纯考察原理转向侧重技术落地和业务结合的综合考察很多程序员和新手因为缺乏针对性准备明明技术不错却在面试中失利。为此我精心整理了各大厂最新大模型面试真题题库涵盖基础原理、Prompt工程、RAG系统、模型微调、部署优化等核心考点不仅有真题还附带详细解题思路和行业踩坑经验帮你精准把握面试重点提前做好准备面试时从容应对、游刃有余。6、四阶段精细化学习规划附时间节点可直接照做结合上述资源给大家整理了一份可直接落地的四阶段学习规划总时长约2个月小白可循序渐进程序员可根据自身基础调整节奏高效掌握大模型核心能力快速实现从“入门”到“能落地、能面试”的跨越。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】