大模型（LLM）（2026.08.24）

概念编号：053

一句话理解

大模型是从大量数据中学习规律，再根据输入生成回答、文章、代码或其他内容的 AI 模型。

苏苏的入门解释

大模型（LLM）：很大的对话模型，你说话，它回话。

作用：回答问题。

这个比喻适合第一次认识大模型时使用。更准确地说，LLM 不只是一个聊天窗口，而是一个可以被不同产品调用的模型底座。ChatGPT、Claude、Gemini 等产品，是模型加上界面、工具、记忆、搜索和权限之后形成的应用。

具体解释

LLM 的英文全称是 Large Language Model，中文常译为“大语言模型”。它通过预训练从大量文本和其他数据中学习词语、句子、代码、知识和表达方式之间的关系。用户输入内容后，模型会根据当前输入和已有上下文，逐步预测并生成后续内容。

因此，模型的回答看起来像“理解了问题”，但底层仍然是基于参数和当前上下文进行计算与生成。它可以表现出总结、翻译、写作、编程和问答能力，却不等于拥有人的意识、经验或始终可靠的事实记忆。

常见能力

• 回答问题、解释概念和提供学习辅助；
• 生成、改写、翻译和总结文本；
• 阅读代码、编写代码和协助排查问题；
• 根据上下文执行格式化、分类和信息提取；
• 在接入工具、知识库或 Agent 系统后，参与搜索和多步骤任务。

边界与易混淆概念

• 大模型不等于 AI 应用：模型是能力底座，ChatGPT、Claude 等是把模型包装成产品的应用。
• 大模型不等于 Agent：模型负责理解和生成；Agent 还需要目标、规划、工具和行动循环。
• 大模型不等于实时搜索：没有联网或检索增强时，模型不一定知道最新事实。
• 参数多不等于一定更可靠：模型规模、训练数据、后训练、推理方式和工具链都会影响结果。

相关概念

• 词元（Token）（2026.08.24）：模型处理文本和计算成本的基本单位。
• 上下文窗口（Context Window）（2026.08.24）：模型一次工作能够看到的空间。
• 预训练（Pre-training）（2026.08.24）、后训练（Post-training）（2026.08.24）：模型形成底座和调整能力的两个阶段。
• 推理（Reasoning）（2026.08.24）：模型根据输入进行多步计算和推导的过程。
• 多模态（Multimodal）（2026.08.24）：模型处理文字、图像、声音和视频等不同信息形式的能力。
• Agent（智能体）（2026.08.18）：在模型之上增加目标、工具和行动循环的执行系统。

来源

• 什么是 LLM 大语言模型？：已有的大语言模型入门文章。
• 本轮 AI 概念清单原始笔记：提供“很大的对话模型，你说话，它回话”的入门解释。
• AI学习导航：本概念在 AI 基础学习框架中的入口。

概念卡更新日志

• 2026.08.24｜创建概念卡：依据已有 LLM 科普文章、本轮用户提供的入门解释及 AI 学习导航需求，登记为 053。