大模型简史综述 -从Transformer（2017）到DeepSeek-R1（2025）

2025-03AI大模型22免费

📄 文件全名: 《大模型简史综述 -从Transformer（2017）到DeepSeek-R1（2025）-22页.pdf》
🎯 适合读者: 战略规划行业研究员
📊 核心数据: 「文本」预测下一个「字」（或token／sub-word）的「概率分布」(propability
从预测的概率分布中随机采样一个字。
开始，如下图，模型通过迭代预测下一个词，直到生成完整的序列或达到预定的停止条
🏷️ 核心议题: #大模型#LLM#GPT#语言模型

📦 本报告属于月份合集

购买后将获得「2025 年 3 月报告合集」 · 共 3750 份报告打包下载链接

点击获取云盘下载链接

报告摘要

「语言模型」（LMs）和「大型语言模型」（LLMs）这两个术语虽然经常被互换使用，但实际上它们基于规模、架构、训练数据和能力指代不同的概念。子集，其规模显著更大，通常包含数十亿个参数（例如，GPT-3 拥有 1750 亿个参

📋 核心要点(部分)

1. 什么是语言模型 (Language Models)？
1.1 大型语言模型（LLMs）
1.2 自回归语言模型（Autoregressive Language Models）
1.3 生成能力
2. Transformer革命 (2017)

❓ 常见问题

《大模型简史综述 -从Transformer（2017）到DeepSeek-R1（2025）》主要包含哪些内容?

「语言模型」（LMs）和「大型语言模型」（LLMs）这两个术语虽然经常被互换使用，但实际上它们基于规模、架构、训练数据和能力指代不同的概念。子集，其规模显著更大，通常包含数十亿个参数（例如，GPT-3 拥有 1750 亿个参核心数据:「文本」预测下一个「字」（或token／sub-word）的「概率分布」(propability;从预测的概率分布中随机采样一个字。;开始，如下图，模型通过迭代预测下一个词，直到生成完整的序列或达到预定的停止条。

这份报告覆盖哪一年、篇幅多大?

覆盖 2025 年,全文约 22。

这份报告是免费的吗?如何获取?

本报告免费查阅,登录资料宝后即可在线获取完整内容。

这份报告适合哪些读者?

适合战略规划、行业研究员等读者参考。

报告涉及哪些关键议题?

重点分析了大模型、LLM、GPT、语言模型等议题。