LLM基础（四）——大模型很“笨”，也很“聪明”

前言

记得第一次用大模型是23年2月左右，那时候基本都是用Chatgpt网页版，版本应该是3.0左右？给我的感受就是确实效果很好，能够帮助我们完成很多简单重复的工作，尤其是文档任务。

到今年七月份才陆陆续续开始用别的大模型，不仅仅是简单的网页版对话，还有部署到本地的大模型，也有因为模型太大本地部署不下或者不开源而使用API来调用的大模型，尝试了各种prompt，也试了各种任务，本文就简单写写我的一些使用感想。

大模型很“笨”，也很“聪明”

【为什么说大模型很笨呢？】

因为我们需要把需求和它讲的很清楚，最好还要告诉它如何去思考，最最好还要给它一个外部数据库让他可以进行RAG，这样才能让它发挥出比较好的性能。

比如现在各种GPT教程都告诉你，prompt很重要，用GPT写文章需要告诉它：语言风格、面向群众、字数限制等等。

所以，LLM其实不是“笨”，只是“不了解我们的需求”。用过GPT的都知道，它啥都会一些，可以问它C语言，也可以让它写一首诗，还可以让它给你背元素周期表，既然这么全能，那它当然没法瞬间get到你需要使用它什么部分的功能。如果一个模型它专门用于代码生成，那你就可以省略这一句“You are an expert experienced in coding.”。

那么，如果你想要进行某个具体任务，或者某个小模型的效果会超过GPT，因为它是这个领域的“专家”。

【为什么它又是“聪明”的呢？】

因为大模型确实什么都会一些，就比如随着gpt从3到4，确实在性能方面有质的提升。

对于聪明的人，有这么一句话，“聪明的人最大的优点就是聪明，最大的缺点也是聪明”，放在GPT这里也是合适的，GPT常常会“自作聪明”，明明它并不知道，但还是强撑着回答你。比如你让他找一堆文献，它分分钟编一堆给你，不过期刊/会议的名称倒是一般编不出来。