参与本次大模型课程学习，我得以深入触摸 LLM 领域的前沿动态。大语言模型在文本生成时展现的创造力、知识问答里体现的深厚储备，还有代码辅助生成过程中展现的高效，都深深烙印在我心里。课程里，老师不只是剖析大模型基本原理与训练方法这些 “底层逻辑”，更带着我们一步步打通从理论到实践的路径 —— 细致讲解怎样调用大模型 API，把这股强大力量融入自己的应用开发。
亲身实践阶段，我走完了从注册平台、获取 API Key 的基础流程，也钻进请求格式的细节里，琢磨温度参数怎样像 “魔法旋钮” 般调控生成结果，更在一次次尝试里，摸索出不同场景下挑选模型、调试参数的门道，只为让应用效果抵达最优。借助 Python 的 requests 库或者官方 SDK，我亲手搭建起文本摘要、文章润色、知识问答这些小型应用的雏形，切实尝到了把大模型当作 “随用随调的智能服务” 的甜头，也真切感受到它怎样把原本高高在上的智能化开发门槛，一点点往下拉，让更多人有机会踏进智能应用开发的大门。
课程学习中，我还接触到了 Gitee智算 平台。在这个平台上，我看到了琳琅满目的开源模型，它们就像一个个等待被发掘的宝藏，每一个都有着独特的功能与潜力。同时，平台里详实的部署流程文档，更是为想要尝试模型部署的学习者铺好了路。从环境配置到代码调试，每一步都清晰指引，让我在探索模型部署的道路上少走了许多弯路。还有沐曦的论坛，那里汇聚了众多从业者与爱好者，大家分享着在大模型应用、优化过程中的经验与心得。在这里，我见识到不同场景下大模型的创新用法，也从他人遇到的问题与解决方案里，汲取到继续前行的力量。
最让我有成就感的，是在 ChatBox 里成功部署了自己的模型。从挑选合适的模型架构，到准备训练数据、调试部署参数，每一步都充满挑战，却又无比充实。当看到自己的模型在 ChatBox 中稳定运行，能够根据用户输入生成有价值的回应时，那种喜悦难以言表。这不仅是一次技术实践的成功，更是让我坚信，只要持续探索，大模型能在更多个性化场景中发挥价值。
这次课程，让我清晰看到大模型的双重价值：它是科研路上探索未知的有力工具，更是生产环境里推动应用快速落地的强劲引擎。往后，我盼着继续深挖，把大模型和数据库检索、图神经网络这些技术嫁接起来，真真正正打造出智能又高效的学术助手应用，让大模型的潜力在更具体的场景里充分释放 。