Challenges and Applications of Large Language Models

本文是LLM系列文章，针对《Challenges and Applications of Large Language Models》的翻译。

大语言模型的挑战与应用

• 摘要
• [1 引言](#1 引言)
• [2 挑战](#2 挑战)
• [3 应用](#3 应用)
• • [3.1 聊天机器人](#3.1 聊天机器人)
  • [3.2 计算生物学](#3.2 计算生物学)
  • [3.3 计算机程序](#3.3 计算机程序)
  • [3.4 创造性工作](#3.4 创造性工作)
  • [3.5 知识工作](#3.5 知识工作)
  • [3.6 法律](#3.6 法律)
  • [3.7 医学](#3.7 医学)
  • [3.8 推理](#3.8 推理)
  • [3.9 机器人和嵌入式代理](#3.9 机器人和嵌入式代理)
  • [3.10 社会科学和心理学](#3.10 社会科学和心理学)
  • [3.11 合成数据生成](#3.11 合成数据生成)
• [4 相关工作](#4 相关工作)
• [5 结论](#5 结论)

摘要

几年内，大型语言模型（LLM）在机器学习话语中从不存在变成了无处不在。由于该领域的快速发展，很难确定剩余的挑战和已经富有成果的应用领域。在本文中，我们的目标是建立一套系统的开放性问题和应用成功，以便ML研究人员能够更快地了解该领域的现状，并变得富有成效。

1 引言

2 挑战

3 应用

3.1 聊天机器人

3.2 计算生物学

3.3 计算机程序

3.4 创造性工作

3.5 知识工作

3.6 法律

3.7 医学

3.8 推理

3.9 机器人和嵌入式代理

3.10 社会科学和心理学

3.11 合成数据生成

4 相关工作

5 结论

在这项工作中，我们确定了大型语言模型的几个尚未解决的挑战，概述了它们的当前应用，并讨论了前者如何约束后者。通过强调现有方法的局限性，我们希望促进未来针对这些问题的研究。我们还希望，通过概述不同应用领域中使用的方法，我们可以促进领域之间的思想交流，并以进一步研究为目标。