大模型专业词汇集合

LLM：Large Language Model（大型语言模型），是一类基于海量文本数据训练的深度学习模型，能够理解和生成人类语言，具备强大的自然语言处理能力。其核心特点是参数量巨大（通常以亿甚至千亿为单位），可通过上下文理解完成多种任务，如文本生成、问答、翻译、摘要等，典型代表包括GPT系列、LLaMA系列、文心一言等。

Transformer：一种基于自注意力机制（Self-Attention Mechanism）的深度学习模型架构，2017年由谷歌团队在论文《Attention Is All You Need》中提出。它彻底摒弃了传统RNN（循环神经网络）的序列依赖结构，通过并行计算处理输入序列，能更高效地捕捉文本中的长距离依赖关系，是当前大多数LLM的核心架构基础，广泛应用于自然语言处理、计算机视觉等领域。

CNN：Convolutional Neural Network（卷积神经网络），是一种擅长处理网格结构数据（如图像、视频、文本的局部特征）的深度学习模型。其核心组件是卷积层，通过滑动窗口（卷积核）提取数据的局部特征，并结合池化层进行特征降维和抽象。在自然语言处理中，CNN可用于文本分类、情感分析等任务（如提取短语级局部特征），但在处理长文本依赖关系上不如Transformer高效，常与其他架构结合使用。

待补充：