大模型原理与训练 / 知识点

大模型从选型到部署术语速查

选择模型并读懂规格

通过大规模语料学习语言规律、用于理解或生成文本的模型;用于明确选型对象,不把参数规模直接当作任务能力或事实可靠性的证明。Hugging Face

大语言模型(LLM)

大语言模型(Large Language Model,LLM)是通过大规模文本等数据训练、根据上下文处理和生成语言内容的模型。查这个术语时,重点是确认选型对象是否属于语言模型,以及它能否满足当前任务,而不是只看模型名称或参数规模。

边界

LLM 描述的是一类模型及其语言处理能力,不等于“任何生成式 AI”,也不保证输出内容真实、最新或符合业务规则。模型能够生成流畅答案,只说明它学到了可用于预测和生成语言的模式,不能据此证明答案已经过事实核验。

参数量、训练数据、上下文长度、后训练方法、推理配置和部署方式都可能影响实际表现。因此,“参数更多”不能单独作为某个具体任务上能力更强的证明。

与相邻概念的区别

概念 关注点
大语言模型(LLM) 以语言理解、生成及相关任务为核心的一类模型
生成式 AI 能生成文本、图像、音频等内容的更大范围技术类别
参数规模 模型规格之一,描述可学习参数的数量,不直接等同于任务效果
事实可靠性 输出是否符合可验证事实,需要独立评测、检索或外部校验

最小例子

一个模型能够根据问题生成自然语言回答,可以属于 LLM;但如果要判断它是否适合代码生成、长文档问答或特定语言,应查看对应任务评测并实际测试,而不能从“它是 LLM”直接推出结论。

常见误解是把“模型很大”理解为“所有任务都更好且答案更可靠”。选型时应把模型类别、规格和具体任务效果分开判断。

准备提示并控制输出

目录与阅读设置

记录一个想法

大模型从选型到部署术语速查

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通