大模型（Large-scale Model）是指参数规模达到亿级甚至千亿级的深度学习模型。近年来，以 GPT 系列为代表的大语言模型（LLM）在自然语言处理领域取得了突破性进展，同时也推动了视觉领域大模型的发展。核心特点：海量参数：数十亿到数千亿参数，具备强大的表达能力和泛化能力大规模预训练：在海量无标注数据上进行自监督预训练涌现能力：当模型规模超过某个阈值后，会出现小模型不具备的能力（如思维链推

大模型（Large-scale Model）是指参数规模达到亿级甚至千亿级的深度学习模型。近年来，以 GPT 系列为代表的大语言模型（LLM）在自然语言处理领域取得了突破性进展，同时也推动了视觉领域大模型的发展。核心特点：海量参数：数十亿到数千亿参数，具备强大的表达能力和泛化能力大规模预训练：在海量无标注数据上进行自监督预训练涌现能力：当模型规模超过某个阈值后，会出现小模型不具备的能力（如思维链推

大模型（Large-scale Model）是指参数规模达到亿级甚至千亿级的深度学习模型。近年来，以 GPT 系列为代表的大语言模型（LLM）在自然语言处理领域取得了突破性进展，同时也推动了视觉领域大模型的发展。核心特点：海量参数：数十亿到数千亿参数，具备强大的表达能力和泛化能力大规模预训练：在海量无标注数据上进行自监督预训练涌现能力：当模型规模超过某个阈值后，会出现小模型不具备的能力（如思维链推

大模型（Large-scale Model）是指参数规模达到亿级甚至千亿级的深度学习模型。近年来，以 GPT 系列为代表的大语言模型（LLM）在自然语言处理领域取得了突破性进展，同时也推动了视觉领域大模型的发展。核心特点：海量参数：数十亿到数千亿参数，具备强大的表达能力和泛化能力大规模预训练：在海量无标注数据上进行自监督预训练涌现能力：当模型规模超过某个阈值后，会出现小模型不具备的能力（如思维链推