通俗易懂，大模型原理及缺陷！

主要观点总结

文章讨论了自ChatGPT发布以来，用户的搜索方式及人机交互模式的变革。文章指出，大模型通过Transformer模型架构和海量预训练、微调数据集生成连贯文本，其原理是基于数据共识来预测下一个词，并不真正了解事物的真实情况。大模型的回答准确性依赖于训练集中的语言数据，在处理有争议或不常见的主题时容易产生幻觉。目前的大模型主要是靠记忆归纳，离真正的逻辑推理还有一定距离。

关键观点总结

关键观点1: 大模型的原理及作用

大模型通过共现词概率模型生成文本，在简单应用场景中表现优异，但回答准确性依赖于训练语言数据。

关键观点2: 数据共识对大模型的影响及原理缺陷

数据共识有助于模型反映广泛共识的主题，但当主题有争议或缺乏语言示例时，模型可能产生错误答案。大模型易产生幻觉，离真正逻辑推理还有距离。

关键观点3: 大模型在处理争议主题时的表现

大模型在处理有争议或不常见的主题时准确性较低，容易给出看似合理实则错误的答案。