大语言模型（Large Language Model，简称 LLM）是基于海量文本数据训练的超大规模语言模型，凭借强大的自然语言理解与生成能力，成为生成式 AI 的核心技术，深刻改变了人机交互的方式。
LLM 的核心原理是通过 Transformer 架构与海量数据学习语言规律。模型包含数十亿甚至数万亿个参数，在互联网文本、书籍、学术论文等海量语料中进行训练，通过预测下一个词的概率（例如 “日出江花红胜____” 后面接 “火” 的概率最高），逐渐掌握语法规则、语义逻辑、生活常识乃至复杂的逻辑推理能力。训练完成后，它无需针对特定任务重新训练，仅通过提示词（Prompt）就能完成问答、写作、翻译等复杂任务，展现出 “一通百通” 的泛化能力。
与传统 NLP 模型相比，LLM 的显著优势体现在上下文理解深度与生成质量上。它能够处理数千字的长文本，理解复杂语境中的隐含意图（比如识别 “帮我订明天去上海的票” 中的时间、地点需求），生成的内容逻辑连贯、风格多样，甚至可以模仿特定作家的文风，或者生成代码、剧本等专业文本。
其应用已渗透到多个领域：智能助手（如 ChatGPT）通过自然对话解答问题、提供建议；在内容创作领域，LLM 辅助生成营销文案、新闻稿件，有效提升创作效率；教育领域中，它可以作为个性化学习伙伴，为学生答疑解惑并定制学习计划；编程领域里，能根据文字描述生成代码，降低了编程的技术门槛。
但 LLM 也存在幻觉生成（编造虚假信息）、逻辑错误（复杂推理时出现偏差）等问题，而且训练成本极高，需要巨大的算力支持。尽管如此，其 “以语言为接口” 连接多领域知识的能力，使其成为通用人工智能的重要跳板，推动 AI 从 “专项工具” 向 “通用助手” 演进，重塑着信息获取与内容生产的范式。
