什么是大语言模型？

AI工坊 · 基础概念 · 约 5 分钟阅读

大语言模型（Large Language Model，简称 LLM）是一种用海量文本训练出来的人工智能程序。你给它一段话，它能接着生成出语法通顺、意思连贯的下文——本质上是在回答一个问题："根据见过的所有文字，这里最可能出现的下一个词是什么？"

它到底在做什么

听起来简单，但当模型在数万亿字的书籍、网页、对话中反复练习这件事后，它内部会"压缩"出语言规律、事实知识和推理方式。于是它不仅能接话，还能回答问题、写代码、做翻译、分析材料。

一个常见误解：模型并不是在数据库里"搜索答案"，而是根据输入实时生成每个词。这也是它偶尔会一本正经说错话（称为"幻觉"）的原因——它追求的是"像正确答案"，而不是从资料库里取正确答案。

所谓"大"，主要指参数量和训练数据量。参数可以粗略理解为模型内部的可调旋钮，从几十亿（数十亿参数）到上千亿不等。参数越多、数据越丰富，模型处理复杂任务的能力通常越强，但运行成本也越高。

它们都是大语言模型，只是由不同公司用不同数据和方法训练：GPT 来自 OpenAI，文心一言来自百度，DeepSeek 来自深度求索，Claude 来自 Anthropic。大家都建立在类似的技术思想（Transformer 架构）之上，差异主要在训练数据、规模和调校方式。

擅长：语言理解与表达、总结归纳、写代码初稿、头脑风暴。
不擅长：精确计算、保证事实永远正确、掌握训练截止之后的新信息。因此重要结论需要核实，让模型"联网检索"或"引用来源"是降低出错率的常见做法。