什么是大语言模型

大语言模型（LLM）本质上是一个'超级自动补全'：给它一段文字，它预测下一个最可能出现的词，一个接一个地续下去。 它是怎么学会的？把海量文本（书、网页、代码）喂给它，反复做同一个练习：遮住下一个词，让它猜，猜错就微调内部的参数。做上万亿次之后，为了把下一个词猜准，它被迫'顺带'学到了语法、事实、推理套路，甚至写代码的模式——因为这些都能帮它预测得更好。 所以它并不是在数据库里查答案，而是根据学到的统计规律现场生成。这也解释了它的两面：既能灵活地组织语言、举一反三，也会一本正经地'编'出听起来合理但其实错误的内容（幻觉），因为它优化的目标是'像'，而不是'对'。