大语言模型（LLM）

大语言模型（LLM）是一类通过大规模数据和人工神经网络训练，能够理解、生成及处理自然语言的人工智能模型。

概述

LLM 是 Large Language Model 的缩写，“大”通常体现在模型参数、训练数据和计算资源的规模上。它通常采用自监督学习，从大量未人工标注的文本中学习词语关系、语法结构、语义联系和常见知识。

当前主流大语言模型多以 Transformer 为基础，通过预测上下文中可能出现的内容完成训练。经过指令微调和人类反馈等优化后，模型可以用于聊天问答、文章生成、摘要、翻译、信息提取和代码辅助。部分多模态大模型还能处理图片、音频与视频。

主要特点

• 自然语言生成：根据提示生成连贯的回答、文章、邮件或程序代码。
• 上下文理解：结合对话和文档内容分析用户意图，但可处理的上下文长度存在限制。
• 任务适应性：同一模型可通过提示词、微调或外部工具完成多种任务。
• 知识与推理：能够调用训练中学到的模式回答问题，但不等同于真正理解，也不能保证结论正确。

局限与风险

大语言模型可能产生看似合理但事实错误的“幻觉”，也可能继承训练数据中的偏见、错误和过时信息。其应用还涉及隐私、版权、内容安全及计算成本等问题，因此在医疗、法律和金融等场景中应进行人工核验。

常见问题

问：LLM 和生成式人工智能有什么区别？答：LLM 是生成式人工智能的一种，主要面向语言；生成式人工智能还包括图像、音频和视频生成模型。

问：大语言模型是搜索引擎吗？答：不是。它主要根据学习到的语言模式生成回答，接入搜索工具后才可检索实时网页信息。

问：LLM 的回答一定可靠吗？答：不一定。重要事实、数据和专业建议应通过可信来源交叉验证。