原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
JournalofComputerApplicationsISSN1001⁃90812025⁃03⁃10
计算机应用,2025,45(3):685-696CODENJYIIDUhttp://www.joca.cn
文章编号：1001-9081（2025）03-0685-12DOI:10.11772/j.issn.1001-9081.2025010128
大语言模型综述与展望
1，2*1，21，23
秦小林，古徐，李弟诚，徐海文
（1.中国科学院成都计算机应用研究所，成都610213；2.中国科学院大学计算机科学与技术学院，北京100049；
3.中国民用航空飞行学院理学院，四川广汉618307）
（∗通信作者电子邮箱qinxl2001126.com）
摘要：大语言模型（LLM）是由具有大量参数（通常数十亿个权重或更多）的人工神经网络组成的一类语言模型，
使用自监督学习或半监督学习对大量未标记文本进行训练，是当前生成式人工智能（AI）技术的核心。与传统语言模
型相比，LLM通过大量的算力、参数和数据支持，展现出更强的语言理解与生成能力，广泛应用于机器翻译、问答系
统、对话生成等众多任务中并表现卓越。现有的综述大多侧重于LLM的理论架构与训练方法，对LLM的产业级应用
实践及技术生态演进的系统性探讨仍显不足。因此，在介绍LLM的基础架构、训练技术及发展历程的基础上，分析当
前通用的LLM关键技术和以LLM为底座的先进融合技术。通过归纳总结现有研究，进一步阐述LLM在实际应用中
面临的挑战，包括数据偏差、模型幻觉和计算资源消耗等问题，并对LLM的持续发展趋势进行展望。
关键词：大语言模型；智能体；自然语言处理；检索增强生成；模型幻觉
中图分类号：TP182文献标志码：A
Surveyandprospectoflargelanguagemodels
QINXiaolin1，2*，GUXu1，2，LIDicheng1，2，XUHaiwen3
（1.ChengduInstituteofComputerApplication，ChineseAcademyofSciences，ChengduSichuan610213，China；
2.SchoolofComputerScienceandTechnology，UniversityofChineseAcademyofSciences，Beijing100049，China；
3.FacultyofScience，CivilAviationFlightUniversityofChina，GuanghanSichuan618307，China）
Abstract:LargeLanguageModels（LLMs）areaclassoflanguagemodelscomposedofartificia
文档评论（0）