基礎模型 是什麼？

Foundation Model — 基礎模型 的完整解釋

基礎模型是使用大量未標記數據訓練的大型模型，可適應多種下游任務，展現出強大的泛化能力和遷移學習能力。

容易混淆

基礎模型 vs 傳統AI模型 傳統模型常為單一任務設計。 基礎模型先學通用能力，再適配不同任務。

基礎模型 vs 大型語言模型 大型語言模型是基礎模型的常見例子。 但基礎模型不只限於文字，也可以涵蓋影像和多模態。

記住這句就好

先學通用底子，再拿去改成不同用途，就是基礎模型。

實際案例

客服和摘要共用底座 同一個大型基礎模型，先做摘要再做客服回覆，只要調整任務層就能延伸。

企業知識助理 先用通用模型打底，再針對公司文件微調，會比從零開始快很多。

算法與應用

它通常靠大規模預訓練學到一般性的表示能力，再透過提示或微調進入特定任務。 在文字、影像和多模態領域，基礎模型都已經成為很常見的起點。

情境判斷

Q1：如果一個模型能做很多任務，通常可以說它很像基礎模型嗎？ → 可以，但前提是它真的有通用預訓練底座，不只是臨時拼出多功能。

Q2：只要模型很大，就一定是基礎模型嗎？ → 不一定，大小不是唯一標準，能不能當通用底座才是關鍵。

常見問題

基礎模型一定要超大嗎？

不一定，但通常要有足夠廣泛的預訓練能力。

它和微調的關係是什麼？

基礎模型是底座，微調是把底座改成特定任務版本。

和少樣本學習有關嗎？

有關，好的基礎模型常能用少量範例快速適應新任務。

基礎模型只存在於語言領域嗎？

不是，影像與多模態也都有。