大语言模型
Large Language Model
学到 认得 就够：听到能明白
你可能会说
“我用同一个大模型讨论论文、解释代码，它为什么能接不同类型的任务？”
大语言模型是用大规模语言资料训练的模型，能处理或生成文本。广泛任务表现来自训练形成的表示与条件预测能力；“大”没有固定参数门槛。
使用 AI
科研里的例子
同一模型既能归纳访谈又能解释回归表，但前者须对照原话，后者须核模型设定、变量与输出数值。
常见生成型 LLM 把文本变成词元，通过神经网络估计下一个词元的分布，再反复生成。预训练形成广泛语言模式，后续训练影响指令执行与回答偏好。模型能在已有模式基础上组合推演，但权重并不是逐条核准的百科条目。评估时应记录具体版本、训练或适配信息以及任务条件，不把“语言能力”自动解释成可靠事实知识或专业判断。
判断
亲手检查一次
拿一段你熟悉的研究材料，让模型做概括、分类和改写，逐项记录错误类型，形成任务级能力清单。
它做不到的
LLM 不等于所有 AI，也不等于所有 Transformer；生成能力、外部信息获取与具体产品功能必须分别描述。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。