【每日一学 20261102】《程序员生存手册》——认识大语言模型

2026-11-02 14:34:00
蓉蓉
原创
7

大语言模型(Large Language Model，LLM)是指在海量文本数据上训练，通过无监督、半监督或自监督的方式，学习并掌握通用的语言知识和能力的深度神经网络模型。
大语言模型在经过特定训练后可以为企业带来意想不到的可能性。

1.减少人工劳动和成本

大语言模型能够帮企业实现客户服务、内容创作、欺诈检测等领域的自动化，这不仅能够降低人力与时间成本，还能将员工从高度重复的工作中解放出来，从事更需要人类专业知识的重要工作。

2.提高客户满意度

基于大语言模型的聊天机器人不仅能够为客户提供全天候的服务，还能通过处理大量的数据来了解客户的行为和偏好，从而提供个性化服务。这些都有助于提高客户满意度。

3.提高决策的准确性

大语言模型对大量数据的处理，能够让企业迅速从复杂的数据集中提取需求，从而提高运营效率，更快地解决问题，并做出更准确的商业决策。

4.提高任务的准确性

大语言模型能够处理大量的数据，提高了预测和分类任务的准确性。这些模型利用大量信息来学习模式和关系，这有助于它们做出更好的预测和分析。


不过，如此“聪明”的大语言模型，其实也存在着一些弊端。

1.认知范围有限

大语言模型的能力受限于它的文本训练数据，这意味着它无法理解训练数据以外的文本。加之它极有可能接触到虚假信息，以及带有种族、性别等社会偏见的训练文本，导致大语言模型会产出虚假信息或带有社会偏见的内容。

2.输入tokens有限

在大语言模型中，token是基本语言单位，可能是一个字或一个词。每个大语言模型的内存都是有限的，所以它只能接受一定数量的tokens作为输入。
例如，ChatGPT-4（标准版）的限制是8192tokens（约7 000个中文字符），如果超过这个限制，GPT就无法对输入做出反应。
当然，随着AI的不断迭代，这些限制也会逐步消失。

3.系统成本高

大语言模型的开发和训练需要大量投资，计算机系统、人力和电力都离不开资金的投入。据估计，ChatGPT10轮的训练，仅电力成本就高达1200万元，这并不是随便一个企业承担得起的。

4.泛化能力弱

泛化能力指机器学习算法对新样本的适应能力。学习的目的是掌握隐含在数据背后的规律，对具有相同规律但不在学习集内的数据，经过训练的网络也应该能给出合适的输出。大语言模型虽然在多个任务上有出色表现，但也容易受输入影响，从而输出不合理甚至错误的内容。


来源：《程序员生存手册》
发表评论
通过审核后显示您的意见