大模型（智能体开发概述）

大模型已成为新一代AI核心基础设施它从单一语言处理逐步拓展至多模态应用。但是在带来强大能力与广阔应用前景的同时大模型也存在知识幻觉、时效性不足、缺乏执行能力等局限。本节将介绍大模型的基本概念、典型代表及其优势与局限性。1.1.1 大模型的概念大模型泛指参数量巨大、需要海量数据训练、能够从数据中学习复杂模式的深度神经网络模型。它的“大”主要体现在参数量、训练数据量和计算规模上。早期的大模型主要用于处理文本信息因此通常提到大模型主要指大语言模型Large Language Models, LLM。大语言模型的核心能力是处理语言任务ChatGPT、文心一言、通义千问、LLaMA等都是典型的大语言模型。国内外主流的大模型如表1-1所示。表1-1 国内外主流的大模型目前大模型也常用于处理图像、音频、视频、科学数据等多模态信息因此可将大模型细分为大语言模型、视觉大模型、多模态大模型、科学计算大模型等。1.1.2 大模型的优势与局限性大语言模型是基于海量数据训练的AI模型具备强大的语言理解、内容生成、知识问答能力在面对用户提问时能够理解自然语言并快速响应输出常应用于文案写作、资料查询、题目解答等场景。然而在实际应用中大模型也存在着以下的局限性。知识幻觉模型可能会一本正经地胡说八道生成不真实的信息。时效性不足模型的知识截止于训练数据的时间点无法获取最新信息。缺乏主动性与行动力模型仅能被动响应指令、生成文本建议无法自主规划任务也不能直接操作软件、查询数据库或调用API完成实际任务。逻辑推理局限在面对复杂的数学推理或多步骤任务时容易迷失方向。例如让大模型“帮我整理学生本周作业完成情况统计未交名单并自动发送提醒消息给对应家长”大模型只能根据你提供的作业信息生成统计文本既无法自动调取班级作业系统里的提交记录也不能自动识别未交学生更没办法帮你发送消息给家长全程需要用户手动查询、核对、转发无法完成全流程闭环。