大模型与小模型解析.pptxVIP

大模型与小模型解析有了大模型，为什么还需要小模型？把对的任务，交给对的角色：大模型、小模型与工具各司其职。AI大模型研究助理：读材料、理语言、做推理工具/程序取数·校验·计算小模型专员：固定目标、识别异常2026年10月

目录01核心问题：为何还要小模型02大模型与小模型是什么03别只看「大」和「小」04数字读对了吗05工具与模型怎么分工06增幅差异只是线索07人工复核查什么08总结：三类工作归位

开篇·问题有了大模型，为什么还要小模型一份财报分析里，本就包含不同性质的工作。把全部丢给大模型，省事，但也藏风险。大模型的便利·直接把财报丢进去，很快得到带标题、指标、结论的报告。·适合快速了解材料、梳理思路。·能读文字，也能读图表与语音。但要先查数字怎么来的·一行一列、本期上期、单位口径，都会改变分析含义。·解析或识别可能错行错列。·错的数字，仍能被写进通顺文字。结论：能推导≠每一步有依据。写得完整的推理，仍需核对。

第一章·是什么大模型与小模型，分别是什么AI大模型（LLM）研究助理能读多种材料、接住不同问题：梳理业务变化、比较披露、改写专业表述。任务范围更广，可用自然语言提要求。小模型（传统ML）固定任务专员如逻辑回归、决策树、AdaBoost。接收约定好的指标（毛利率、周转率），输出评分或类别；没为某任务训练过，就不能临时问答。两种训