了解 LLM 的能力

了解大型语言模型（LLM）能够做什么以及不能做什么，对于有效进行提示词工程至关重要。

本课将通过探索 LLM 的核心优势和常见局限性，帮助您设定合理的预期并设计更好的提示词。

LLM 是功能极其强大的工具，擅长处理许多与语言相关的任务。它们的“超能力”源于在海量文本数据上进行训练。

• 语言生成：创建类似人类表达的文本。
• 摘要：压缩较长的文档。
• 翻译：在不同语言之间转换文本。
• 问答：根据输入提供信息。

LLM 非常擅长生成富有创意且连贯的文本。它们可以撰写故事、诗歌、电子邮件、营销文案，甚至是简单的代码片段。

您可以要求 LLM 以特定的风格、语气或长度生成文本，因此它是内容创作中的多用途工具。

LLM 最实用的用途之一，就是快速处理并压缩大量信息。

它们可以：

• 将较长的文章或报告总结为关键要点。
• 从非结构化文本中提取特定的数据、姓名或日期。

这能在研究和数据处理过程中节省大量时间。

LLM 能够在许多不同语言之间高质量地翻译文本。它们还可以改写文本以改变其风格或语气，使其更加正式、随意或吸引人。

这使它们成为全球沟通以及针对不同受众调整内容的宝贵工具。

LLM 虽然功能强大，但也存在明显的局限性。了解这些局限性，有助于您设计提示词，避开常见陷阱并获得更可靠的结果。

常见的问题包括：

• 幻觉：编造事实。
• 事实准确性：并不总是正确。
• 常识：缺乏对现实世界的理解。
• 实时数据：知识可能已经过时。

LLM 面临的最大挑战之一是“幻觉”。这指的是模型生成听起来合理、但事实错误甚至完全凭空捏造的信息。

LLM 经过训练是为了预测下一个词，并不一定是为了讲述事实。请务必核实它们提供的关键信息。

LLM 在复杂推理、深入的逻辑推导，或运用细致入微的常识理解方面可能表现不佳。

它们可能在直接明了的任务上表现良好，但当问题需要真正理解因果关系，或理解超越模式匹配的现实世界物理规律时，就可能无法应对。

大多数 LLM 都有知识截止日期。这意味着它们只了解截至上次训练时可获取的信息。

除非专门集成了外部工具，或通过微调进行了更新，否则它们无法实时浏览互联网，也不知道非常近期发生的事件。

根据我们学到的内容，以下哪些是大型语言模型常见的局限性？

做得很好！现在，您已经对 LLM 的能力和局限性有了基础了解。

• LLM 擅长语言生成、摘要和翻译。
• 它们在事实准确性、常识推理和实时信息方面表现不佳。

牢记这些特点，是设计有效提示词并充分发挥这些强大 AI 工具价值的关键。接下来，我们将深入学习不同的提示词技巧！