语言大模型

大语言模型：

大所指代的包括三点

1. 参数量大，处理自然语言的问题十分繁琐，大量的参数可以满足模型所需要的复杂性。
2. 数据量大，大语言模型的训练需要大量的数据来保证其输出内容的准确性，泛化性。
3. 复杂性大，处理语言问题需要较强的复杂性。

模型的作用是处理，分析和生成数据。

1. 模型通过调用处理数据相关函数将导入模型的数据处理为数字数据
2. 模型通过调用分析数据相关函数

计算机要想处理相关数据，必须将数据加工为计算机能够读懂的数据，此处一般指各种数字类数据，而我们要将研究的问题转变为数字相关的问题。

大：

模型的大，能够满足模型解决复杂问题的需求。

我们知道，当你为别人解答问题时，如果是一个学科类问题，比如一道数学题，物理题，化学题，他可能存在标准答案，但是我们往往要面临的确实语文题，他没有标准答案，又或者它有一个随着提问环境随之改变的标准答案，在解决这类问题时，需要经过复杂的思考，因此，为了让我们的模型具备复杂思考的能力，我们需要有较大量的复杂处理，大量的参数可以从结果的获取来说，它可以演示我们对同一个问题因种种因素而产生的不同的思考。

其次，我们知道，随着年龄的增长，随着我们阅历的丰富，我们解决实际复杂问题的能力也会提高，大模型虽然无法去亲身经历这些事件，但是通过我们相关数据的导入，让大模型从中学习，来提高解决相应问题的能力，随着导入导入数据量的增加，大模型的泛用性会提高（）

比如当你生气的时候，在某些情况下，你通过自我调节就可以很好的恢复状态，但是在某些情况下，你需要合理发泄自己的怒火，除此之外，还有许多做法。决定选择以上哪种做法的因素，比如生气的原因，场合，生气的对象……

模型：

如何让计算机能够听懂人类的语言？难度在哪里？

从人类角度谈起：

假设你的对面有一个人，当他流利地说出一句话时，如：我喜欢你妈做的蛋糕。你能比较轻松的理解。

现在你的对面是一个结巴，当他吞吞吐吐地说出：我，喜，欢，你，妈，做，的，蛋，糕。时，你发现，只有当句子比较完整时，你才能准确知道它所表达的意思。

因此，模型在获取对话内容的时候，也是一句话一句话导入的，而不是一个字一个字导入。

从模型角度讲：

模型并不认识文字，也不知道文字与文字直接的联系，以及人们如何通过文字传递信息，模型又该如何通过文字将信息传递出去。因为计算机对于数字的应用要高于文字的应用，因此，我们通常采取将文字信息转化为数字信息，将两个人的沟通转化为数字问题。