---
title: "大型語言模型（Large Language Model）"
slug: large-language-model
language: zh-TW
source: https://aiterms.tw/terms/large-language-model
updated_at: 2026-04-29
tags: [自然語言處理, 深度學習, 生成式AI]
ipas_term: true
---

# 大型語言模型（Large Language Model）

> **你有沒有覺得，現在很多 AI 不只會接話，還能寫稿、整理和回答複雜問題？**
>
> 你可以把它想成用超大量文字訓練出來的超大語言模型，既會理解，也會生成。
>
> 大型語言模型是以大量文字訓練的超大 Transformer 模型，擅長理解並生成自然語言
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆
> **語言模型**
> 語言模型是大類，LLM 是規模更大、通常建立在 Transformer 上的版本。
>
> **聊天機器人**
> 聊天機器人是產品形態，LLM 是背後的大腦，兩者不是同一件事。

### 記住這句就好
> 大資料、大模型、大能力。

### 實際案例
> **寫作助理**
> 你丟一句需求，模型就能幫你改寫成簡報、信件或摘要。
>
> **文件問答**
> 把文件內容餵給模型後，它能根據上下文回答你問的細節。

### 算法與應用
> LLM 通常先做預訓練，再做指令微調或對齊。它強在通用性，但也容易出現幻覺，所以部署時常要搭配檢索、工具和驗證流程。

### 情境判斷
> **Q1（直覺題）：** 如果你現在遇到一個 寫作助理 的場景，這個概念會是第一個想到的工具嗎？
> → 看情況，但如果任務目標和這個概念的用途一致，就很可能是。核心還是先確認你要解決的是分類、分群、壓縮、檢索，還是最佳化。
>
> **Q2（判斷題）：** 如果你把它和 聊天機器人 一起用，結果反而變不穩，通常該怎麼想？
> → 看情況。先檢查資料分布、特徵定義和模型假設是否相容，很多時候不是概念本身有問題，而是使用條件不對，像距離尺度沒對齊、標註規則不一致，或輸入格式不合。

### iPAS 考題
> **出題方向：** 這類概念常考定義、差異和實務用法。
> **題目** 大型語言模型最核心的特徵是什麼？
> → **答案：用大量文字訓練、參數規模很大、能理解並生成自然語言。** 它不是單純的聊天介面，而是能驅動很多語言任務的基礎模型。

### 常見問題
> **Q：大型語言模型 最容易跟 語言模型 混淆嗎？**
> 語言模型是大類，LLM 是規模更大、通常建立在 Transformer 上的版本。
>
> **Q：什麼情況會用到 大型語言模型？**
> 你可以把它想成用超大量文字訓練出來的超大語言模型，既會理解，也會生成。 實務上只要你要處理和這個概念相符的任務，就會用到它。
>
> **Q：初學者最常錯在哪裡？**
> 聊天機器人是產品形態，LLM 是背後的大腦，兩者不是同一件事。

### 相關術語
> - **轉換器架構**：讀完這個後，接著看它，可以把 大型語言模型 放回更完整的系統脈絡裡。
> - **生成式預訓練轉換器**：讀完這個後，接著看它，可以把 大型語言模型 放回更完整的系統脈絡裡。
> - **提示工程**：讀完這個後，接著看它，可以把 大型語言模型 放回更完整的系統脈絡裡。
> - **檢索增強生成**：讀完這個後，接著看它，可以把 大型語言模型 放回更完整的系統脈絡裡。

---

來源：https://aiterms.tw/terms/large-language-model
快查頁：https://aiterms.tw/terms/large-language-model
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-large-language-model