LLM（大语言模型）

一句话理解

把人类海量文字“读透”之后练出来的文字接龙机器——你熟悉的能打字聊天的 AI，背后都是它。

定义

LLM（Large Language Model，大语言模型）是用海量文本训练、参数量巨大的深度学习模型，核心能力是理解和生成自然语言。“大”指的是参数规模大（从几十亿到上万亿）和训练数据多（几乎覆盖整个互联网的公开文本）。

你会在哪遇到它

聊天机器人、AI 写作、代码助手、翻译润色……几乎所有“能打字对话的 AI”背后都是一个 LLM。日常说的 GPT、DeepSeek、通义千问、文心一言，指的就是各家的大语言模型。判断一个产品是不是用了 LLM，最简单的办法是看它能不能生成成段的新文字，而不只是从资料里挑一段给你。

背后的原理

训练时让它反复玩“文字接龙”：遮住一句话的后半段让它猜，猜错了就微调内部的参数。练过无数遍之后，语法、常识和大量知识就沉淀在这些参数里。使用时，它根据你输入的内容，一个 token 一个 token 地预测最合理的后续，直到把回答写完。

和相近概念的区别

1 LLM 不等于 AI：人工智能是大概念，LLM 只是其中的一个分支。 2 LLM 不等于聊天产品：ChatGPT 是产品，GPT 是模型，产品还包含界面、记忆、联网等一堆模型之外的东西。 3 能看图能听声的是多模态模型，专门画图的是文生图模型（如 Stable Diffusion），它们常被一起叫“大模型”，但严格说不属于 LLM。

常见误区

1 它真的“懂”——本质是概率预测，没有人类意义上的理解，所以才会一本正经地胡说八道。 2 它的知识永不过时——训练数据有截止日期，太新的事它不知道。 3 参数越大一定越聪明——大体如此，但训练方法和数据质量同样关键。