第1章 LLM概述 —— 学习笔记
一、先搞清楚名字
LLM，全称 Large Language Model，翻译过来就是大语言模型。
别被这个名字吓到，我拆开给你讲：
- Language Model（语言模型）：说白了就是一个特别会说话的程序。你给它一句话的前半截，它能猜出后半截。比如你输入"今天天气真"，它大概率会接"好"而不是"吃"。
- Large（大）：大在哪？接着往下看。
二、LLM 到底是咋训练出来的？
想象一下你教一个婴儿学说话：
- 你不会一上来就教他语法课，而是让他天天听大人说话，听多了自然就会说了。
- LLM 的训练思路完全一样：给它海量的文本（书籍、网页、论文、新闻……），让它自己去"听"，听多了它就学会了语言的规律。
区别在于：这个"婴儿"听的是整个互联网的文本量，而且可以24小时不睡觉地听。所以它学得又快又多，自然就"大"了。
三、LLM 的"大"到底大在哪？
教材原文说得很清楚，大在三个地方：
| 参数量大 | 参数就像模型大脑里的"神经元连接"，越多越聪明 | GPT-3 有 1750 亿个参数 |
| 训练数据大 | 吃的"精神食粮"多到离谱 | 几百GB到几TB的文本 |
| 能力强 | 会的东西多，干啥都行 | 问答、翻译、写代码、写论文…… |
你可以这样理解：
参数量决定了这个模型"脑子有多大"，训练数据决定了它"读了多少书"，能力强就是它"考试成绩好"。
四、LLM 能干啥？
教材提到了多种能力，我给你归个类：
1. 理解类
- 你发一段话，它能明白你在说什么
- 例如：阅读理解、情感分析
2. 生成类
- 你给个开头，它能接着往下写
- 例如：写文章、写代码、对话
3. 推理类
- 它能进行逻辑思考
- 例如：数学题、因果推理
4. 跨任务泛化
- 这个最厉害——同一个模型，啥任务都能干
- 以前做翻译要用翻译模型、做问答要用问答模型，现在一个 LLM 全搞定
教材原文的原话是：
“能够在问答、摘要、翻译、编程等多种场景下展现出类似人类的语言理解和表达水平”
翻译成人话就是：这玩意儿基本啥都能聊，而且聊得还不错。
五、有哪些代表选手？
教材提到了三个系列，我给你快速认识一下：
| GPT 系列 | OpenAI（美国） | 大模型界的"鼻祖"，ChatGPT 就是它的崽 |
| DeepSeek 系列 | DeepSeek（中国） | 国产之光，开源界的扛把子 |
| Qwen 系列 | 阿里巴巴 | 阿里的通义千问，同样开源，生态很全 |
当然还有 Gemini（Google）、Claude（Anthropic）等等，我们在第2章会展开讲。
六、一句话总结第1章
如果有人问你"LLM 是什么？"，你就说：
LLM 就是在海量文本上训练出来的大型语言模型，参数多、数据多、本事大，能理解、能生成、能推理，一个模型干所有语言相关的活儿。
