大模型的分类主要依据应用领域、模型架构、输入数据类型及训练方式，具体可分为以下五类：
一、按应用领域划分
-
通用型大模型
适用于多种任务，如GPT系列、PaLM，具备跨领域的语言理解与生成能力。
-
垂直型大模型
针对特定领域优化，例如医疗、金融、法律等，如百川智能的医疗大模型。
-
多模态大模型
融合文本、图像、语音等多种输入形式，如DeepSeek的多模态版本。
二、按模型架构划分
-
密集模型（Dense Models）
全连接参数结构，如GPT-3、BERT。
-
稀疏模型（Sparse Models）
通过动态激活部分参数提升效率，如混合专家模型（MoE）、DeepSeek、Kimi。
-
Transformer模型
基于自注意力机制，适用于NLP任务（如BERT、GPT），也拓展至CV（如ViT）。
三、按输入数据类型划分
-
自然语言处理（NLP）
处理文本，如GPT系列、BERT，用于文本生成、分类等。
-
计算机视觉（CV）
处理图像和视频，如Inception、ResNet，用于目标检测、语义分割等。
-
语音识别（ASR）
专注语音信号处理，如WavNet，实现语音转文本与合成。
四、按训练方式划分
-
监督学习模型
通过标注数据训练，如BERT、GPT。
-
自监督学习模型
无标注数据训练，如SimCLR、MoCo。
-
强化学习模型
通过交互优化策略，如AlphaGo。
五、按推理能力划分
-
理解型模型
侧重语义分析，如BERT。
-
推理型模型
具备复杂逻辑推理能力，如DeepSeek通过长思维链优化。
注 ：不同分类标准可能存在交叉，例如通用型模型可包含Transformer架构，垂直型模型可能使用稀疏模型等。
本文《大模型有哪几类》系辅导客考试网原创，未经许可，禁止转载！合作方转载必需注明出处：https://www.fudaoke.com/exam/2420463.html