大语言模型 (LLM)

大语言模型（Large Language Model，简称 LLM，也常称「大模型」）是一类基于人工神经网络的语言模型，因参数规模庞大、训练语料海量而得名，专为自然语言处理任务设计，尤其擅长语言生成。

概述

大语言模型通常采用自监督学习方式训练：模型在海量无标注文本上反复练习「预测下一个词」这类任务，逐步掌握语言中的语法、语义和大量常识，无需人工逐条标注数据。预训练完成后，再经过指令微调、人类反馈等对齐环节，模型便能以对话形式回答问题、写作、翻译和辅助编程。

当前主流大语言模型大多基于 Transformer 架构，其中规模最大、能力最强的基本走生成式预训练 Transformer（GPT）路线。ChatGPT、Claude、Gemini、Perplexity 等知名聊天机器人与 AI 搜索产品的核心能力，都由大语言模型提供。部分多模态大模型（如 Gemini、GPT-4o）还能同时处理文字、图片、音频、视频等多种输入。

主要特点

• 规模庞大：「大」指的就是巨大的参数量与训练数据量，规模扩大通常带来能力提升。
• 自监督预训练：直接从无标注文本中学习，省去大规模人工标注的成本。
• 通用性强：一个模型即可完成问答、写作、翻译、摘要、代码生成等多种任务。
• 蕴含世界知识：模型在训练中「记住」了大量常识与事实，但并非总是可靠。
• 继承数据偏差：训练语料中的错误和偏见会被模型学到，输出需要甄别。

局限与争议

大语言模型可能产生「幻觉」，即一本正经地编造不存在的事实；其知识止于训练数据的时间范围，对最新事件了解有限；训练与运行成本高，还涉及版权、隐私等争议。在医疗、法律等严肃场景中使用时，仍需人工核查其输出。

常见问题

问：大语言模型和 ChatGPT 是什么关系？答：ChatGPT 是基于大语言模型构建的聊天机器人产品，LLM 是其底层技术，同类产品还有 Claude、Gemini 等。

问：大语言模型的回答可信吗？答：多数场景下可用，但它可能编造细节，也可能带有训练数据中的偏见，涉及关键事实时应交叉验证。

问：大模型和普通语言模型有何区别？答：主要区别在规模——参数量和训练数据大得多，由此获得了小模型不具备的通用能力和涌现表现。