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。