大语言模型（LLM，Large Language Model）是一种基于 Transformer 架构的深度学习模型，核心任务是根据前文预测下一个 Token，从而生成连贯的自然语言。它不是一个单一程序，而是一套在海量文本上训练出来的概率模型。

它是怎么工作的

  • 训练阶段：从互联网、书籍、论文等来源收集大规模文本，让模型反复学习词语之间的统计关联
  • 推理阶段：给定输入（Prompt），模型按概率逐词生成输出，每生成一个 Token 就继续预测下一个
  • 规模效应：参数量越大、训练数据越多，模型在语言理解、推理、代码等任务上的表现通常越好

能力与边界

LLM 擅长翻译、总结、问答、写作、代码生成等「语言任务」，但它并不真正理解世界，输出基于统计概率而非事实判断，因此可能产生错误信息（俗称「幻觉」）。

主流代表包括 OpenAI 的 GPT 系列、Anthropic 的 Claude 系列、Google 的 Gemini，以及开源的 Llama、Qwen（通义千问）、DeepSeek 等。

一句话：LLM 是「会接话」的概率模型，把提示词写清楚、把输出校验好，是使用它的两条基本准则。