[控场AI]
概念LLM / 大语言模型 / Large Language Model

大模型

大模型(Large Model)是指基于深度学习技术、具有大规模参数量的机器学习模型,涵盖语言、视觉、多模态等多种类型。其通过在海量数据上进行预训练,获得通用的知识表示与推理能力,可通过微调或提示工程适配问答、生成、分类、翻译等多种下游任务,是当前人工智能领域的主流技术范式之一。

核心事实

时间轴 (近 90 天)

11月16日

将大模型直接接到数据库上,面对如“某区域未来三年的资产更换预算是否够用”这类问题时,往往会拼凑出看似合理实则错误的答案。

待验证50%
11月16日

当前对英伟达芯片的需求本质来自大模型训练与推理的规模化扩张。

待验证50%
11月16日

免费访问并不等于结果可信,模型生成的文献引用、统计结论和数据解读仍需人工核验,尤其在涉及原创性主张时。

待验证50%
11月16日

对于分类、信息抽取、文本摘要、情感判断等结构相对固定的任务,几十亿甚至更小参数量的模型往往能达到与千亿级模型接近的准确率。

待验证50%
11月16日

更小、更高效的模型甚至能运行在手机上,却能完成同样的任务,而成本可能只有大模型的百分之一。

待验证50%
11月16日

大模型在通用问答上的表现已经相当成熟,但在健康领域,准确性、可解释性和风险边界都更加模糊。

待验证50%
11月15日

仅靠互联网文本与图像训练的大模型缺乏对物理规律、接触力学、因果后果的直接经验,需要机器人平台作为载体来补足。

待验证50%
11月15日

传统上让大模型做数据分析,最大的障碍在于模型并不清楚「激活率」在特定公司具体指什么。

待验证50%
11月14日

大模型的权重默认通常以16位浮点(FP16)精度存储。

待验证50%
11月14日

大模型的开源生态正在分层:一层是可直接部署的工程实现,另一层是面向理解的极简复现。

待验证50%

还有 40 条时间轴事件

全部知识事实 (20)

已验证

推理时间长并不总是带来更好的结果,模型可能陷入过度思考的陷阱,真正决定输出质量的是模型的基础能力和对齐程度

90%
已验证

ReAct范式下模型每一步经历思考(Thought)→行动(Action)→观察(Observation)的循环,每一轮循环都是一次完整的LLM调用

90%
已验证

模型能力越强、越能调用外部工具,其潜在攻击面就越广,这是AI厂商面临的根本性两难困境

90%
已验证

Function Calling(Tool Use)是大模型调用外部工具的标准化机制,开发者预先声明工具名称、描述和参数Schema,模型自主判断何时调用

90%
已验证

同一个AI模型面对不同质量的提示词,输出效果可能存在数量级的差异

90%
已验证

MCP中每个工具都有严格的JSON Schema描述,包括名称、功能说明和参数规范

90%
已验证

随着底层模型能力趋于同质化,AI应用层的差异化竞争将发生在工作流编排和领域知识沉淀层面

90%
已验证

Token是大语言模型处理文本的基本单位,大约对应0.75个英文单词或1.5个汉字

90%
已验证

大模型幻觉的技术本质在于模型在训练时学习的是语言模式的概率分布而非事实本身

90%
已验证

RAG(检索增强生成)技术架构将文档切片、向量化、存入向量数据库,查询时先检索相关片段再交给模型生成回答

90%
已验证

大模型竞争重心正从对话能力向行动能力(通用智能体)迁移

85%
已验证

AI 系统执行目标与设计者真实意图之间的偏差在 AI 安全研究领域被归类为目标错位(Goal Misalignment)问题

85%
已验证

2024年以来大模型API价格战愈演愈烈,多家厂商多次大幅降价

85%
已验证

AI评估对象分为大语言模型评估、知识库(RAG)评估、智能体(Agent)评估三层,且呈知识度和复杂度递增的递进关系

80%
已验证

大模型回复的内容本质上是其训练时那个时间点的数据,存在明确的知识截止时间(knowledge cutoff)

80%
已验证

大语言模型的输出本质上是概率性的文本生成,一次提示词措辞调整可能改变输出的字段名、嵌套层级或枚举值,且不会触发编译期或静态检查警告

80%
已验证

提示注入的根本原因在于大语言模型缺乏区分指令层与数据层的原生机制

80%
已验证

Agent Harness指包裹在大语言模型外围、负责协调模型与外部世界交互的整套工程系统

80%
已验证

智能体核心架构通常由感知模块、记忆模块、规划模块和行动模块四部分组成,形成感知-推理-行动闭环

80%
已验证

检索增强生成(RAG)通过向量数据库将代码库切分为语义片段,在 AI 处理具体任务时动态检索最相关的内容注入上下文

80%

来源文章