大语言模型

Yuqing — Tue, 07 Apr 2026 00:37:40 GMT

←上一版本		2026年4月7日 (二) 08:37的版本
（未显示同一用户的3个中间版本）
第19行：		第19行：

	== 参考资料 ==		== 参考资料 ==
	# Vaswani, A., et al. (2017). ''Attention Is All You Need''.		# [https://arxiv.org/abs/1706.03762 Vaswani, A., et al. (2017). ''Attention Is All You Need''].
	# OpenAI. (2023). ''GPT-4 Technical Report''.		# [https://openai.com/research/gpt-4 OpenAI. (2023). ''GPT-4 Technical Report''].
	# Bommasani, R., et al. (2021). ''On the Opportunities and Risks of Foundation Models''.		# [https://stanford.io/3lgdH2N Bommasani, R., et al. (2021). ''On the Opportunities and Risks of Foundation Models''].

大语言模型

Yuqing — Mon, 06 Apr 2026 23:44:03 GMT

创建页面，内容为“'''大语言模型'''（Large Language Model，简称LLM）是一种基于深度学习的人工智能模型，专门用于处理、理解和生成人类语言。它通过在海量的文本数据上进行训练，学会了语言的统计规律和语义结构。目前的LLM已经能够实现流畅的多轮对话、代码编写以及复杂的逻辑推理。 == 核心架构：Transformer == 现代LLM大多基于'''Transformer'''架构。该架构引入了注意力…”

新页面

'''大语言模型'''（Large Language Model，简称LLM）是一种基于深度学习的人工智能模型，专门用于处理、理解和生成人类语言。它通过在海量的文本数据上进行训练，学会了语言的统计规律和语义结构。目前的LLM已经能够实现流畅的多轮对话、代码编写以及复杂的逻辑推理。

== 核心架构：Transformer ==
现代LLM大多基于'''Transformer'''架构。该架构引入了注意力机制（Attention Mechanism），使模型能够捕捉长距离的语义依赖。

== 训练过程 ==
LLM的构建通常包含以下两个关键阶段：
# '''预训练（Pre-training）'''：模型在大规模的互联网文本语料库上进行无监督学习。
# '''指令微调（Instruction Tuning）'''：通过人类反馈强化学习等技术，教会模型如何准确理解并执行用户的指令。

== 局限性：幻觉 ==
尽管LLM表现卓越，但仍存在幻觉现象，即模型可能会生成看似合理但完全错误的事实。

== 应用领域 ==
LLM目前已广泛应用于多个前沿领域：
* '''智能交互'''：作为虚拟助手提供情感陪伴与信息查询。
* '''辅助开发'''：帮助工程师快速生成代码片段。
* '''内容创作'''：协助进行多语言翻译、文章撰写。

== 参考资料 ==
# Vaswani, A., et al. (2017). ''Attention Is All You Need''.
# OpenAI. (2023). ''GPT-4 Technical Report''.
# Bommasani, R., et al. (2021). ''On the Opportunities and Risks of Foundation Models''.

User:Yuqing

Mcmhg — Mon, 06 Apr 2026 23:14:50 GMT

Mcmhg更改了Yuqing的用户组：授予了管理员（临时，直到2026年4月14日 (二) 07:14）

User:Yuqing

Mcmhg — Mon, 06 Apr 2026 22:27:46 GMT

Mcmhg 已创建用户账号 Yuqing

萝莉百科 - 最萌的百科全书 - 最近更改 [zh]

大语言模型

大语言模型

User:Yuqing

User:Yuqing