“ 大模型由于其快速迭代的原因，因此大模型分類存在很多困難；而作為大模型應(yīng)用的使用者和開(kāi)發(fā)者我們需要做的就是不斷去嘗試和體驗(yàn)?zāi)Ｐ偷墓δ堋！?/strong>

大模型技術(shù)發(fā)展到今天，其功能可以說(shuō)是日新月異；并且很多企業(yè)已經(jīng)在探索大模型的應(yīng)用場(chǎng)景和技術(shù)實(shí)現(xiàn)；但是很多人到現(xiàn)在對(duì)大模型的了解僅僅只限于能聊個(gè)天，問(wèn)個(gè)問(wèn)題。

但實(shí)際上，大模型能夠做的事要遠(yuǎn)比我們想象中的要多的多；因此，今天我們就從用戶和技術(shù)兩個(gè)角度來(lái)介紹一下大模型的應(yīng)用。

關(guān)于大模型的分類和應(yīng)用問(wèn)題

如果想弄清楚大模型是怎么使用的，首先要知道大模型的分類；不同類型的模型適合不同的應(yīng)用場(chǎng)景，其功能和實(shí)現(xiàn)也各不相同。

而關(guān)于大模型的分類問(wèn)題其實(shí)是一個(gè)復(fù)雜的問(wèn)題，大模型的分類有多個(gè)維度，比如從任務(wù)類型有分類模型，翻譯模型，摘要模型和文本生成等。

但從與具體的技術(shù)場(chǎng)景結(jié)合來(lái)看，又有NLP任務(wù)，CV任務(wù)等；而從功能來(lái)看又有生成式模型和推理模型；從垂直角度看，有處理圖片的模型，有寫(xiě)代碼的模型；如果從純粹的技術(shù)角度來(lái)看，又有Transformer模型，Gan網(wǎng)絡(luò)等。

而在實(shí)際的模型設(shè)計(jì)和開(kāi)發(fā)過(guò)程中，很多模型采用的又是混合架構(gòu)；比如說(shuō)一個(gè)模型既有生成能力，又有推理能力，而能夠生成多種模態(tài)數(shù)據(jù)的模型被稱為多模態(tài)。

再加上大模型技術(shù)日新月異的迭代速度，因此很多人很難分清哪個(gè)模型是干啥的，有哪些功能；因此在選擇模型時(shí)，最好就是根據(jù)自己的任務(wù)需求去搜索相關(guān)的模型，最后再根據(jù)模型的官方介紹，然后再應(yīng)用到具體的業(yè)務(wù)場(chǎng)景中。

大模型分類困難的四大根源

1.技術(shù)融合

    現(xiàn)代大模型（如GPT-4、Claude 3）已發(fā)展為「通用計(jì)算平臺(tái)」，同時(shí)具備：

    a.生成能力（文本/圖像/代碼）

    b.推理能力（數(shù)學(xué)/邏輯）

    c.判別能力（分類/檢測(cè)）

    d.多模態(tài)理解（文本+圖像+音頻）

2. 命名混亂

    a.商業(yè)命名（如"文心一言"）不反映技術(shù)架構(gòu)

    b.同一架構(gòu)不同規(guī)模（LLaMA-2-7B/13B/70B）能力差異巨大

3. 動(dòng)態(tài)進(jìn)化

    a.插件系統(tǒng)的引入（如ChatGPT的Browsing/Code Interpreter）使單模型能力邊界模糊

4. 評(píng)估標(biāo)準(zhǔn)缺失

    a.缺乏統(tǒng)一的「能力維度評(píng)估體系」，不同廠商宣傳指標(biāo)不可比

理解大模型分類的本質(zhì)是：放棄絕對(duì)分類，建立多維評(píng)估體系。建議從實(shí)際任務(wù)出發(fā)進(jìn)行驗(yàn)證，而非過(guò)度依賴?yán)碚摲诸悺?/p>

前面簡(jiǎn)單了解了一下大模型的分類問(wèn)題，但僅僅知道大模型有哪些類型并沒(méi)什么用，最重要的是用大模型解決我們的問(wèn)題；以此來(lái)提高我們的工作和生活效率。

所以，學(xué)習(xí)大模型沒(méi)有最好的辦法，或者說(shuō)辦法只有一個(gè)；那就是多用，多嘗試，多研究。

大模型應(yīng)用

大模型其實(shí)從應(yīng)用的角度來(lái)說(shuō)，主要有三個(gè)方面：

第一就是利用大模型本身的能力，比如AIGC去做一些文本，視頻，圖片的生成能力；比如做自媒體，寫(xiě)文章，修圖，剪輯視頻等。

其次，就是RAG給大模型做知識(shí)增強(qiáng)，因?yàn)榇竽Ｐ捅旧硐拗频脑?；?dǎo)致其在某些方面知識(shí)缺陷，因此就可以使用外部知識(shí)庫(kù)的方式讓大模型做知識(shí)增強(qiáng)。

最后，可以說(shuō)是最有發(fā)展前景的方向就是——智能體；智能體就是給大模型裝上手和腳，通過(guò)思維鏈，工作流，function call/MCP等技術(shù)；使得大模型具備獨(dú)立思考和使用外部工具的能力。

當(dāng)然，這三種方式大都是從技術(shù)角度來(lái)說(shuō)的；但從用戶角度來(lái)說(shuō)，我們可以使用一些生成模型做一些簡(jiǎn)單的工作，如處理圖片，寫(xiě)文檔等。

而一些企業(yè)基于工作流平臺(tái)開(kāi)發(fā)智能體，比如coze平臺(tái)；我們就可以根據(jù)自己的需要構(gòu)建一個(gè)能夠執(zhí)行特定任務(wù)的智能體；以此來(lái)提高我們的工作效率。

總之，人工智能技術(shù)處于一個(gè)快速發(fā)展快速迭代的過(guò)程；很多新技術(shù)和名詞每天都在涌現(xiàn)；因此，我們需要做的就是不斷跟進(jìn)市場(chǎng)的腳步，多去嘗試和試驗(yàn)；最終我們就會(huì)知道大模型能做什么，以及我們需要大模型給我們做什么。

本文轉(zhuǎn)載自公眾號(hào)AI探索時(shí)代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/Ae9JNknOqEgfrsvKMxE3kg??