A Survey of Large Language Models
创建于 更新于
摘要
本报告系统性综述了大规模语言模型（LLMs）的最新进展，涵盖其背景、关键能力（如内隐学习、指令跟随与推理）、核心技术（如模型扩展、训练与调优）、应用方法（如提示学习和链式推理）及性能评估。通过汇总代表性模型和数据集，分析了预训练数据的构成与质量对模型能力的影响，以及适应性调优（指令调优与RLHF）在提升模型对人类需求和安全性的作用，全面呈现了LLMs在自然语言处理、知识利用及复杂推理等多领域的应用与挑战，为研究与实践提供权威参考 [pidx::0][pidx::1][pidx::4][pidx::8][pidx::14][pidx::19][pidx::22][pidx::23][pidx::27][pidx::31]
