人们常用的大模型主要分为自然语言处理（NLP）和计算机视觉（CV）两大领域，以下是具体分类及代表模型：
一、自然语言处理（NLP）领域
-
GPT系列
-
由OpenAI开发，采用Transformer架构，参数量从10亿增长至1750亿以上（如GPT-3）。
-
优势：强大的文本生成能力，支持多语言和编程任务，但存在计算成本高、潜在偏见问题。
-
-
BERT及其衍生模型
-
由Google提出，通过双向编码器实现上下文理解，参数量达33亿。
-
应用：情感分析、命名实体识别、机器翻译等，以高效上下文建模著称。
-
二、计算机视觉（CV）领域
-
ResNet（深度残差网络）
- 由微软开发，包含数十层结构，使用残差块解决梯度问题，在ImageNet分类任务中创纪录。
-
Transformer（转换器）
- 谷歌提出，适用于图像特征提取和多模态任务，与NLP的Transformer架构类似。
三、其他领域
-
多模态大模型 ：结合文本、图像、音频等数据类型，如DALL-E（图像生成）。
-
基础科学大模型 ：用于药物发现、气候模拟等复杂任务。
总结 ：日常使用中，NLP领域的GPT系列和BERT因应用广泛、功能强大成为主流；CV领域则以ResNet和Transformer为代表。选择时需根据具体任务需求权衡性能与资源消耗。
本文《人们常用的大模型》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/2423346.html