大语言模型 (LLM)

大语言模型(LLM)是一种基于海量文本训练而成的人工神经网络,训练数据通常来自书籍、网站和文档,词汇量可达数十亿甚至数万亿。其底层的Transformer架构学习预测一个句子中接下来最可能出现的词。从这一简单原理出发,只要规模和训练数据足够,就会涌现出令人惊讶的复杂能力:语法、事实性知识的回忆、摘要生成,乃至基础的推理能力。知名的例子包括GPT、Claude、Gemini和Llama等系列模型,它们支撑着当今的聊天机器人和写作工具。

在日常业务应用中,LLM主要用于文本类工作:起草邮件和报价单、总结长篇文档、翻译文本,或回答与公司内部资料相关的问题。与从数据库中检索精确匹配结果的传统搜索引擎不同,LLM是根据学习到的模式生成文本。这使其具有灵活性,但也带来一种风险,即回答听起来言之凿凿却仍然是错误的,这种现象被称为"幻觉"(hallucination)。因此,在使用输出内容之前应加以核实,尤其是数字、名称以及涉及法律效力的内容。

企业通常以两种方式接触LLM:一种是通过聊天界面直接进行对话交互,另一种是通过API将模型接入现有软件,如邮件工具或内部系统。对于敏感数据,一些企业会运行本地部署的开源模型,让信息保留在自己的网络内,而不发送到外部服务器。无论哪种方式,数据保护都很重要:涉及个人数据时,需要核实供应商是否以及如何存储请求内容,或将其用于进一步训练。若想获得良好的结果,撰写清晰、具体的请求会有所帮助,这项技能被称为"提示词工程"(prompting)。