基础模型入门基础概念
LLM
大语言模型 · Large Language Model
在大量文本与代码上训练、根据已有上下文预测后续 token，并由此生成或理解语言的模型。
最后核验 2026-09-04 · 已核验
用一个类比理解
像读过大量材料的续写引擎：它非常擅长延续合理模式，但“听起来合理”不自动等于事实正确。它解决什么
- 自然语言理解与生成
- 从示例和指令中完成多种文本任务
它不是什么
- LLM 不是数据库或搜索引擎
- 生成概率高的文本不代表在检索事实
适合使用
- 输入输出难以用固定规则穷举
- 任务可通过语言描述并允许概率性结果
暂时别用
- 必须精确计算
- 规则简单确定
- 结果无法校验且错误代价极高
常见失败方式
- 把流畅当准确
- 忽略上下文窗口和成本
- 没有针对真实输入做评测
关键直觉
LLM 的基础任务是预测下一个 token。聊天、摘要、代码生成等能力都建立在这个训练目标和后续对齐之上。
工程上的含义
相同输入可能产生不同结果。上线前需要定义质量标准、收集真实样本并持续评测，而不是只挑几个顺利案例。
可信来源