【AI大模型】LLM不是所有！这几个模型你需要知道！

AI大模型-上马定江山

于 2025-06-23 14:12:52 发布

阅读量399

点赞数 10

CC 4.0 BY-SA版权

文章标签：人工智能大模型入门大模型学习 AI大模型 LLM 大模型教程 transformer

本文链接：https://blog.youkuaiyun.com/Android23333/article/details/148845573

前言

AI时代，远不止大语言模型一种，也不要企图通过大模型解决所有问题，复合AI系统已经成为共识，掌握各种模型的特点，对于构建高质量的AI应用十分关键，今天就带大家快速了解各类模型的特点。

LLM — 大型语言模型 (Large Language Model)

是什么：一种基于海量文本数据训练的概率模型，核心能力是预测序列中的下一个词（或标记），从而理解和生成类似人类的自然语言。
如何工作：主要依赖Transformer架构及其核心的“自注意力机制”，使其能够理解长距离上下文关系。
用途：聊天机器人、文本创作、代码生成、机器翻译。
关键点：通用性强但可能产生“幻觉”（编造信息），且计算成本高。

LCM — 潜在一致性模型 (Latent Consistency Model)

是什么：一种为提升图像生成（尤其是扩散模型）速度而设计的模型，追求在保持可接受质量的前提下实现高效出图。
如何工作：通过学习在“潜在空间”（一种压缩表示）中直接预测从噪声到清晰图像的“捷径”，大幅减少生成步骤。
用途：移动端实时AI滤镜、快速图像生成应用。
关键点：速度极快，资源消耗低，但图像细节可能略逊于完整扩散模型。

LAM — 语言行动模型 (Language Action Model)

是什么：赋予语言模型实际“行动”能力的模型，它不仅理解指令，还能规划步骤并调用外部工具（如API）来完成任务。
如何工作：结合LLM的理解能力、任务规划器和工具使用接口，将语言指令转化为具体操作。
用途：AI智能体（如自动化预订、软件操作）、复杂问题客服。
关键点：实用性强，连接语言与行动，潜力巨大，但确保行动的可靠性和安全性是挑战。

MoE — 专家混合模型 (Mixture of Experts)

是什么：一种模型架构，包含多个“专家”子网络和一个“路由器”。路由器根据输入动态选择一小部分相关专家进行处理，从而在拥有巨大参数潜力的同时控制计算成本。
如何工作：输入数据由路由器分配给最合适的少数几个专家，只有被选中的专家参与计算。
用途：构建参数量极大的高性能模型（如某些顶级LLM），并优化推理效率。
关键点：参数扩展性好，推理高效，实现了模型规模与计算成本的有效解耦，但训练和路由设计较为复杂。

VLM — 视觉语言模型 (Vision Language Model)

A block diagram showing (image input → vision encoder ), (text input → text encoder ) → projection interface → multimodal processor → language model → output generation

是什么：能够同时理解和处理视觉信息（图像/视频）与文本信息的模型，构建两者间的语义联系。
如何工作：通常采用双编码器结构（一个处理视觉，一个处理文本），并通过多模态融合机制（如跨模态注意力）将两者信息结合。
用途：图像描述生成、视觉问答、图文检索、多模态对话。
关键点：实现多模态理解；但模态对齐难度大，数据需求高。

SLM — 小型语言模型 (Small Language Model)

A block diagram showing input processing → compact tokenization → efficient transformer → model quantization, memory optimization → edge deployment → output **

是什么：LLM的轻量化版本，参数量和计算需求远小于LLM，专为在手机、IoT等边缘设备上高效运行而设计。
如何工作：通过参数削减、架构优化、知识蒸馏（从大模型学习）或量化等技术实现。
用途：设备端智能助手、离线翻译、隐私敏感的本地文本处理。
关键点：低延迟、保护隐私、可离线，但复杂推理和知识广度不及LLM。

MLM — 掩码语言模型 (Masked Language Model)

A block diagram showing text input processing → token masking → embedding layer → left context, right context → bidirectional attention → masked token prediction → feature representation

是什么：一种通过“完形填空”任务进行预训练的模型（如BERT）。它随机遮盖输入文本中的一些词，并让模型根据上下文预测这些被遮盖的词，从而学习深层的双向语境理解。
如何工作：使用双向Transformer编码器，同时关注被遮盖词左右两侧的上下文。
用途：主要用于生成高质量的词/句子嵌入表示，服务于文本分类、命名实体识别等自然语言理解任务。
关键点：强大的上下文理解能力，但不直接适用于流畅的文本生成。

SAM — 分割一切模型 (Segment Anything Model)

A block diagram showing (prompt input → prompt encoder), (image input → image encoder) → image embedding layer → mask decoder, feature correlation → segmentation output

是什么：一种通用的图像分割模型，能够根据用户提供的简单提示（如点、框）对图像中的任何物体进行精确的像素级分割，无需针对特定类别训练。
如何工作：结合强大的图像编码器、提示编码器和高效的掩码解码器，实现对任意目标的快速、精确分割。
用途：图像编辑（抠图）、医学影像分析、机器人视觉、数据标注。
关键点：零样本泛化能力极强，交互灵活；但本身不识别物体类别（只分割，不命名），需与其他模型配合。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

在这里插入图片描述

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。
在这里插入图片描述
最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。