文献知网节
计算机应用. 2025, 45 (03) 北大核心CSCD

大语言模型综述与展望

秦小林

qinxl2001@126.com

古徐李弟诚徐海文

  中国科学院成都计算机应用研究所    中国科学院大学计算机科学与技术学院    中国民用航空飞行学院理学院  

摘要：大语言模型（LLM）是由具有大量参数（通常数十亿个权重或更多）的人工神经网络组成的一类语言模型，使用自监督学习或半监督学习对大量未标记文本进行训练，是当前生成式人工智能（AI）技术的核心。与传统语言模型相比，LLM通过大量的算力、参数和数据支持，展现出更强的语言理解与生成能力，广泛应用于机器翻译、问答系统、对话生成等众多任务中并表现卓越。现有的综述大多侧重于LLM的理论架构与训练方法，对LLM的产业级应用实践及技术生态演进的系统性探讨仍显不足。因此，在介绍LLM的基础架构、训练技术及发展历程的基础上，分析当前通用的LLM关键技术和以LLM为底座的先进融合技术。通过归纳总结现有研究，进一步阐述LLM在实际应用中面临的挑战，包括数据偏差、模型幻觉和计算资源消耗等问题，并对LLM的持续发展趋势进行展望。 
关键词：

大语言模型; 智能体; 自然语言处理; 检索增强生成; 模型幻觉;

  • 专辑：

    电子技术及信息科学

  • 专题：

    计算机软件及计算机应用; 自动化技术

  • 分类号：

    TP391.1;TP18

下载手机APP用APP扫此码同步阅读该篇文章

温馨提示：阅读CAJ格式原文，请使用CAJ浏览器。

下载：3360 页码：685-696 页数：12 大小：1776K

相关推荐
  • 相似文献
  • 读者推荐
  • 相关法规
  • 关联作者