人工智能与信息科学基础（第3版）课件第6章 大模型技术概论

大模型技术概论核心内容解析日期：2026年7月学习目标与育人目标01学习目标梳理技术脉络厘清大模型技术的演进历程，掌握其核心架构原理与关键技术特性，构建系统化认知框架。掌握核心术语熟悉行业关键技术名词，深入了解国内主流大模型平台的技术特性、优势与应用生态。剖析典型案例拆解金融、医疗、教育等领域的落地应用，理解技术如何解决实际问题并创造商业价值。精进提示工程掌握提示词设计的基础逻辑与进阶技巧，提升与大模型交互的效率与精准度。02育人目标厚植科技情怀激发科技报国的使命感，树立用技术造福社会的远大志向。强化伦理责任恪守“技术向善”理念，深刻理解并严守人工智能的伦理边界。培养辩证思维理性看待技术的双重性，客观分析其带来的机遇与挑战。传承创新协作培养跨学科协作能力，在团队共创中探索技术的无限可能。树立严谨治学追求精益求精的工匠精神，以严谨的态度对待技术探索。提升文化自信以智能技术赋能中华优秀传统文化，推动文化的传承与创新。目录CONTENTS01大模型技术概述解析大模型的定义内涵与核心技术原理，回顾从早期探索到通用人工智能阶段的发展历程，深度剖析其技术特点与智能涌现的底层逻辑。02大模型技术的应用梳理大模型应用架构与核心高频术语，聚焦主流开发平台与行业典型案例，展示技术如何赋能内容创作、智能交互等多元化场景。03提示词工程基础掌握提示词工程的核心定义与设计原则，学习精准指令的构建技巧与优化策略，解锁大模型在不同任务下的高效交互与能力边界。以技术为基石，探索智能未来，开启AI应用新篇章01.大模型技术概述：定义与内涵学术语境定义具备大规模参数、海量训练数据与强迁移能力的基础模型。核心在于“通用性”，它并非为单一任务设计，而是通过在广泛数据上学习通用特征，成为支撑各类下游应用的“AI基础设施”。通识视角定义融合计算机科学、数学、语言学等多学科的综合智能体系。它的核心价值在于降低AI应用门槛，将复杂的智能能力封装为易用的服务，推动人工智能从实验室走向各行各业的规模化应用。核心判断标准不仅取决于参数规模，更看“软硬实力”：1.预训练数据量与模型架构

2.指令理解与多轮交互能力

3.跨领域知识的泛化推理

4.长文本上下文的处理长度

5.价值观对齐与安全性保障

6.开源生态与应用扩展能力“大模型不仅是技术的突破，更是AI从专用走向通用的关键转折点，重塑了智能时代的生产力基座。”大模型技术发展历程01萌芽期(1950-05)传统神经网络理论奠基，确立“用神经网络模拟人类认知”的核心思路，为AI发展埋下关键伏笔。02沉淀期(2006-19)Transformer架构突破与预训练模型兴起，确立了“预训练+微调”的主流范式，大模型技术正式成型。03爆发期(2020-至今)超大规模模型与多模态技术飞速发展，验证了“规模定律”，应用场景从实验室走向全面普及。04未来趋势(2025+)模型向轻量化、平民化演进，MoE等稀疏技术降低成本，推动AI在千行百业实现深度、普惠的落地。核心原理：三大要素与两大流程01数据模型的“学习素材”，需具备规模大、覆盖面广、质量高的特点，是模型智能的基石，决定了模型的知识边界。02算力模型的“运行动力”，支撑千亿级甚至万亿级参数的训练与推理，是保障模型性能与训练效率的关键基础设施。03算法模型的“学习方法”，以Transformer架构为核心，决定了模型如何高效捕捉数据规律、理解上下文并生成内容。预训练(Pre-training)·通识教育在海量无标签数据上进行自监督学习，如同让模型完成“通识教育”。这一阶段赋予模型基础的语言理解、知识储备和生成能力，是其具备通用智能的前提。微调(Fine-tuning)·专业教育利用少量有标签的特定任务数据，对预训练模型进行参数微调，如同“专业深造”。这一步让通用模型快速适配客服对话、内容创作、数据分析等具体业务场景。技术特点：四大关键特征01涌现性(Emergence)当模型参数规模突破临界阈值，会自发涌现出小规模模型不具备的复杂能力，如逻辑推理、代码生成及跨领域知识迁移，实现从量变到质变的能力跃升。02泛化性(Generalization)具备极强的跨任务适应能力，无需针对单一任务进行繁琐的重新训练或微调，即可高效处理问答、摘要、翻译等多样化需求，真正实现“一模型多用途”。03通用性(Generality)突破单一文本交互的局限，向多模态融合演进，能够同时理解和生成文本、图像、语音、视频等多种信息形式，构建更自然、更贴近人类感知的交互体验。04普惠性(Accessibility)通过标准化API接口和易用的开发工具，大幅降低AI技术的开发与使用门槛，让各行各业的开发者无需深入掌握底层算法，即可快速构建智能应用。传统专用模型与

大模型训练目标传统模型：围绕单一任务进行监督学习，聚焦特定场景的极致优化。大模型：先基于海量数据做通用预训练，再针对下游任务进行微调适配。数据来源传统模型：依赖高质量、人工标注的任务相关数据，数据获取成本高。大模型：利用大规模无监督通用语料，融合文本、图像等多模态数据。模型能力传统模型：在特定窄任务上表现稳定精准，但跨领域迁移能力较弱。大模型：具备极强的跨任务迁移与涌现能力，可快速适应新场景。应用方式传统模型：作为应用的单一功能模块，与具体业务逻辑深度绑定。大模型：作为基础设施与平台能力，为多业务系统提供统一智能服务。主要风险传统模型：易出现过拟合，对未见样本泛化不足，维护迭代成本高。大模型：存在生成幻觉、数据偏见、隐私泄露隐患及高昂的算力成本。02.大模型技术的应用：架构与模式01用户交互层网页、App、企业门户等多端入口，是用户触达系统的直接界面与交互窗口。02任务编排层基于提示词模板与智能体调度，实现复杂任务的拆解、流程编排与工具协同。03模型服务层以通用大模型为底座，结合行业微调与多模态能力，提供核心智能推理支持。04知识工具层融合向量库、业务数据库与外部API工具，增强模型的事实性与场景能力。05治理运维层涵盖权限管控、日志审计、效果评测与成本管理，保障系统安全合规运行。关键模式：人机协同——在医疗、金融等高风险场景，模型作为“超级助理”负责信息压缩、分析与草稿生成，人类负责最终决策、价值判断与责任承担，实现效率与安全的最优平衡。高频术语解析01Token含义：模型处理文本的最小离散单位，是理解模型输入输出的基础粒度。作用：决定API计费方式、上下文理解长度及生成内容的精细度。02上下文窗口含义：模型单次推理可接收和处理的最大输入文本长度限制。作用：决定长文档分析能力与多轮对话记忆保持，影响交互连贯性。03提示工程含义：通过精心设计指令词、示例来引导模型输出符合预期的内容。作用：无需微调即可大幅提升任务完成质量，保障输出格式稳定。04SFT指令微调含义：利用高质量指令-回答样本对模型进行有监督的二次训练。作用：让模型精准对齐人类意图，掌握特定任务要求与专业回答风格。05RAG检索增强含义：先检索外部知识库获取事实，再结合检索结果生成回答。作用：有效降低模型“幻觉”，增强答案的事实准确性与可溯源性。06Agent智能体含义：具备规划、决策与工具调用能力的自主式AI系统，不止于问答。作用：将模型从被动“答题器”升级为主动“执行者”，赋能复杂任务。07多模态能力含义：模型可同时理解和生成文本、图像、音频、视频等多种数据。作用：支撑图文理解、视觉问答、语音交互等跨模态应用场景。08模型幻觉含义：模型生成看似合理但与客观事实严重不符的虚假信息。作用：是大模型落地应用时必须重点监测与控制的核心安全风险。国内主流大模型平台文心一言优势：深耕中文语境理解，融合全网知识图谱，具备深厚的文化与常识积淀。场景：智能知识问答、行业解决方案构建、企业级智能客服。阿里千问优势：背靠阿里生态，开源开放，深度融合云服务与电商大数据能力。场景：电商智能导购、开发者应用开发、中小企业数字化转型。讯飞星火优势：语音交互技术行业领先，深耕垂直领域，拥有强大的多模态感知能力。场景：智慧教育辅助、医疗临床辅助、政务智能服务与智慧城市。字节豆包优势：轻量化交互体验，强大的创意内容生成能力，风格更贴近年轻群体。场景：创意内容生成、生活服务咨询、职场文案策划与头脑风暴。智谱清言优势：具备卓越的专业逻辑推理能力，擅长长文本处理与复杂问题拆解。场景：学术论文辅助、法律条文分析、商业数据分析与战略决策。DeepSeek优势：代码生成与理解能力突出，开源友好，技术社区生态活跃。场景：软件开发辅助、技术文档自动生成、程序员智能编码助手。Kimi智能助手核心优势：超长上下文窗口支持百万级Token处理，可直接“阅读”并理解整本书籍、长篇合同或海量文档，无需人工拆分，理解更连贯。典型场景：深度文档分析学术文献综述与解读、长篇法律合同审核、书籍核心内容提炼、多文档对比分析与总结。典型应用案例(1)文心一言·企业知识库助力制造企业搭建智能知识库，将资料检索时间从1-2小时大幅缩短至10分钟内，显著降低信息获取成本，加速知识流转。效率提升60%千问·电商营销创新2026年春节参与阿里茶饮营销活动，创新“一句话点遍全网茶饮”的互动玩法，实现高效引流，引爆节日消费热潮。累计订单百万+讯飞星火·基层医疗辅助智医助理覆盖全国7.7万家基层医疗机构，累计提供2.95亿次辅助诊断建议，有效提升基层医生的诊疗水平与准确性。诊断合理率96%典型应用案例(2)豆包·内容创作短视频创作者利用豆包将脚本创作时间从4小时缩短至30分钟，极大释放了创作精力，显著提升了视频内容的产出效率与播放表现。创作提速：87.5%🔥智谱清言·法律场景律所利用其高效处理千页级法律卷宗，自动梳理案情脉络、提取关键证据与条款，将法务人员的信息处理时间大幅缩短。处理提效：80%⚖️Kimi·长文本处理投资机构利用其强大的长文本处理能力，在3分钟内完成30万字项目报告的深度解析与核心要点提炼，效率提升显著。解析效率：90%🚀03.提示词工程基础：开启AI宝藏的金钥匙什么是提示词？提示词（Prompt）是向AI系统发出的“指令信号”，用于引导模型生成符合预期的输出内容。它不仅是简单的问题描述，更是对任务目标、上下文背景、输出格式与创作风格的精准定义，其质量直接决定了AI响应的准确性与价值密度。01明确性指令清晰直接，避免模棱两可的表述，让AI精准捕捉核心需求，减少无效猜测与偏离。02完整性包含任务所需的全部关键信息，细节越具体、维度越丰富，生成结果越贴合真实需求。03相关性补充必要的背景上下文，锚定目标场景，确保输入信息与期望的输出结果高度关联。04灵活性预留合理的创作空间，不设置过度严苛的限制，充分释放AI的联想、推理与创意能力。05可测试性建立清晰的评估标准，通过结果反馈不断验证效果，持续迭代优化以逼近理想输出。提示词工程应用技巧示例01普通提示（模糊指令）“帮我写一篇关于人工智能的文章，简单讲讲它的发展情况。”问题：指令过于宽泛，缺乏角色、结构与细节约束，导致模型输出空泛、逻辑松散。02优化提示（精准指令）“请扮演资深科技专栏作家，撰写一篇800字科普文，涵盖大模型商业化、多模态突破与Agent智能体三大趋势，语言通俗生动并展望未来十年。”优势：明确角色、限定要素、规范风格，为模型提供清晰的“思考框架”与“行动指南”。结构：从松散到严谨优化后的内容紧扣核心趋势，层层递进，结尾有展望升华，形成逻辑闭环，而非零散的信息堆砌。内容：从空泛到聚焦不再停留在“什么是AI”的基础介绍，而是深入商业化落地、多模态交互等前沿具体领域，信息密度更高。视角：从平淡到专业代入“专栏作家”身份，语言风格通俗生动又不失深度，既保证了内容的专业性，又兼顾了阅读体验。💡核心结论：精心设计的提示词是释放大模型潜力的“启动密码”，更是连接人类意图与AI能力的关键桥梁。总结与结论01核心价值作为具备通用能力的基础模型，其核心价值在于大幅降低AI应用的开发与落地门槛，让智能化能力高效赋能千行百业，推动技术普惠。02发展历程它是数据、算力与算法三大要素协同演进的成果。从早期的技术理论奠基，到如今的规模化普及与模型迭代，历经了多个关键的技术突破与发展阶段。03核心原理以“预训练+微调”为核心技术路径