参考：https://zhuanlan.zhihu.com/p/615203178 # ChatGPT和大型语言模型(LLM)是什么关系？
参考：https://zhuanlan.zhihu.com/p/622518771 # 什么是LLM大语言模型？Large Language Model，从量变到质变
https://zhuanlan.zhihu.com/p/32829048 # 自然语言处理中N-Gram模型介绍
-
什么是语言模型："语言模型的本质是一个数学模型，用于捕捉和理解人类语言的结构和规律。它通过分析大量文本数据中的单词或字符之间的关系，以概率的方式预测在给定上下文情况下下一个可能出现的单词或字符。这种模型允许计算机在生成文本、翻译语言、问答等任务中模仿人类的语言表达能力。
-
在实际应用中，语言模型的目标是学习语言中的统计规律，例如特定单词之间的频率和顺序。通过观察大量的文本数据，模型能够识别单词的上下文关系和依赖关系。这使得模型能够为给定的文本序列预测出最有可能的下一个单词或字符，从而在生成文本、翻译、文本分类等任务中发挥作用。
-
语言模型可以使用多种技术和算法来实现，例如 n-gram
模型、循环神经网络（RNN）、变换器（Transformer）等。不同的模型具有不同的优缺点，而随着技术的发展，越来越复杂和强大的语言模型不断涌现，为自然语言处理领域带来了新的突破。综上所述，语言模型是帮助计算机理解和生成人类语言的关键工具，它在各种应用中都扮演着重要角色
-
常见的语言模型(也可理解为实现语言模型的工具)包括：n-gram 模型，循环神经网络（RNN），长短时记忆网络（LSTM），变换器（Transformer），BERT（Bidirectional Encoder Representations from Transformers），他们都是用于实现语言模型的方法，在实际中，我们可以使用不同的算法和深度学习架构来构建语言模型。其中，循环神经网络（RNN）和变换器（Transformer）是两个广泛应用的方法。这些模型经过训练，能够真正理解上下文，从而生成逼真的文本。同时，它们也是许多NLP任务的基础，如机器翻译、对话生成、文本摘要等
GPT（Generative Pre-trained Transformer）系列就是基于 Transformer 架构的大型语言模型
-
语言模型（Language Model）和大语言模型（Large Language Model）之间的区别在于规模和能力
- 规模和参数数量
- 能力和性能：
- 应用范围