【大模型】LLM

LLM 大语言模型

一、基本概念

LLM 全称 Large Language Model，中文译为大语言模型，是基于海量文本数据训练得到的巨型神经网络，核心能力包含语言理解、文本生成、逻辑推理、翻译、内容总结、代码编写等。

日常使用的 GPT、通义千问、文心一言、Qwen、Llama 等，都属于大语言模型。

二、核心特点

1. 参数规模庞大
   参数量可达数十亿、上百亿甚至万亿级别，参数规模一般决定模型的知识储备、语义理解与逻辑推理能力上限。
2. 支持上下文交互
   能够识别长文本内容，承接多轮对话，结合上下文语义进行应答。
3. 通用能力强
   可胜任写作、问答、逻辑推理、代码开发、文案创作、语种翻译等各类场景。
4. 概率式文本生成
   依靠训练学到的语言规律，逐字符预测并输出内容，保证语句通顺、语义连贯。

三、LLM 与 RAG 的关联

• LLM：相当于AI的“大脑”，负责组织语言、输出回答；存在知识滞后、易产生幻觉、无法使用私有数据等短板。
• RAG（检索增强生成）：先从私有知识库检索相关参考内容，再将「用户问题 + 参考资料」一同输入 LLM，约束模型依托真实资料作答，弥补 LLM 的不足。

完整工作流程：
用户提问 → RAG 检索知识库 → 拼接问题+参考上下文 → 送入 LLM → 生成最终答案

四、常见分类

1. 闭源商用模型
   以 API 接口形式调用使用，代表：GPT 系列、文心一言、通义千问、讯飞星火。
2. 开源本地模型
   可下载部署在个人电脑/服务器，支持私有化运行，代表：Qwen、Llama、GLM、Mistral。

五、一句话总结

LLM 是具备语言理解与文本生成能力的巨型 AI 模型，也是 RAG、智能对话、AI 助手等应用的核心底座。