AI 術語學習

大型語言模型 是什麼?

大型語言模型(Large Language Model (LLM))的定義、完整說明、相關概念與資料來源。

英文
Large Language Model (LLM)
內容定位
完整解說 alternate
最後更新
2026-04-01

大型語言模型(LLM)是透過海量文本資料訓練的深度學習模型,具備理解與生成自然語言的能力,參數量通常達數十億至數兆規模。

大型語言模型 的完整說明

大型語言模型(Large Language Model, LLM)是指參數量達到數十億(Billion)以上的語言模型。這類模型以 Transformer 架構為基礎,透過在網際網路規模的文本語料上進行預訓練(Pre-training),學習語言的統計規律和知識。代表性的 LLM 包括 OpenAI 的 GPT-4、Google 的 Gemini、Anthropic 的 Claude、Meta 的 LLaMA 等。LLM 展現了「湧現能力」(Emergent Abilities),即在模型規模超過特定閾值後,突然獲得訓練時未明確教導的能力,如邏輯推理、程式撰寫和多步驟問題解決。

大型語言模型 在 iPAS 考試中的重點

根據歷年統計,大型語言模型 相關題目 平均佔 AI 技術類考題 15%, 屬於高頻考範圍。

常見出題方向:LLM 基本概念與特性(45%)、主流 LLM 比較(30%)、應用場景與限制(25%)。

閱讀這頁時的常見誤區

只背中英文對照,無法判斷術語的適用情境。先確認定義,再對照完整說明與相關概念,頁面中的考試比重或出題方向,必須和下方標示的資料來源一起閱讀。

相關術語

先理解這些

相關術語

常見問題

LLM 的「大」指的是什麼?

「大」主要指模型的參數量。早期語言模型參數量在數百萬等級,而 LLM 的參數量從數十億到數兆不等。參數量越大,模型能學習的語言模式越複雜,但訓練和推論的算力需求也越高。

LLM 會不會產生錯誤的資訊?

會。LLM 可能產生看似合理但實際錯誤的內容,這種現象稱為「幻覺」(Hallucination)。LLM 本質是根據統計機率生成文字,並非真正「理解」事實,因此使用時應搭配事實查核機制。

資料來源