最近，智能算法研究中心黃翰教授受邀作了多場關(guān)于AI大模型賦能的報告或培訓，特別是在大學教育領(lǐng)域的應用。然而，他發(fā)現(xiàn)很多單位并沒有部署類似DeepSeek這樣的大模型，他們更多是想了解如何利用通用大模型來提升工作效率。因此，黃老師結(jié)合自己的研究和實踐經(jīng)驗，分享了他的看法，希望能為各單位提供一些有價值的參考。接下來，就讓我們一起看看黃教授怎么說吧：

   1、通用大模型的局限性

首先，我必須潑一盆冷水：目前的通用大模型在實際工作中并沒有帶來顯著的賦能效果。它們更多是提供了一種AI體驗，比如通過智能問答獲取知識，這些內(nèi)容在以前往往需要通過大量閱讀或深度檢索和整理才能獲取；又比如通過大模型實現(xiàn)作詩、寫作、聊天等娛樂性功能。無論是AI體驗還是娛樂功能，其實通用大模型并沒有在工作中實現(xiàn)真正的賦能。

為什么通用大模型難以賦能工作？一方面，它的數(shù)據(jù)質(zhì)量堪憂。通用大模型使用的數(shù)據(jù)大多是非標注數(shù)據(jù)，這些數(shù)據(jù)未經(jīng)人工標記、分類或注釋，其可靠性和可信度往往難以保證。另一方面，它的推理邏輯不穩(wěn)定。通用大模型在推理時帶有隨機性，缺乏嚴格的業(yè)務邏輯。盡管它學習了大量數(shù)據(jù)中的邏輯，但這些邏輯更多是形式上的，而非深層次的語義或任務邏輯。因此，很多時候，它的結(jié)果要么是錯的，要么邏輯上講不通。更糟糕的是，大模型有時會編造不存在的事實。比如，我最近在查資料時發(fā)現(xiàn)，有些參考文獻是大模型編造出來的，甚至包含論文題目、摘要、卷號、頁碼等信息。這些關(guān)鍵信息本應是客觀的，但大模型卻將其視為符號輸出，隨意編造。這不僅會誤導研究方向，還可能引發(fā)信任危機。

基于以上局限性，通用大模型在較復雜工作場景或要求數(shù)據(jù)真實性的場景中很難實現(xiàn)實質(zhì)性的工作賦能。有人可能會問：未來改進后是否能解決這個問題？答案是，雖然未來的技術(shù)進步可能會帶來一些改善，但目前來看，問題的核心在于通用大模型學習的內(nèi)容過于龐雜。我們可以這樣理解：通用大模型所學習的數(shù)據(jù)就像大江大海，各種各樣的信息匯聚在一起。在這種情況下，想要精準提取你需要的資源，或者找到適合生長的生態(tài)，幾乎是不可能的。

   2、從通用到垂直：大模型賦能的新方向

既然通用大模型在實際工作中存在諸多局限性，那我們該如何更好地利用大模型呢？從國家戰(zhàn)略以及當前市場趨勢來看，目前的方向是從通用大模型向垂直大模型過渡。

在通用和垂直大模型之間，我們還經(jīng)歷了行業(yè)大模型階段。行業(yè)大模型在通用大模型的基礎(chǔ)上加入行業(yè)數(shù)據(jù)和專家經(jīng)驗進行訓練，更聚焦于某一領(lǐng)域。例如云南白藥攜手華為云共同打造了“雷公大模型”， 旨在構(gòu)建普惠的中醫(yī)藥知識服務平臺和專業(yè)的中藥材產(chǎn)業(yè)服務平臺。

垂直大模型則更進一步，通常使用任務相關(guān)數(shù)據(jù)進行預訓練或微調(diào)，以提高在某一任務上的性能和效果。例如谷歌開發(fā)的醫(yī)療大語言模型MedPaLM，專為醫(yī)學問答、疾病診斷和醫(yī)學文獻分析等任務設(shè)計，能夠通過理解醫(yī)學文本提供專業(yè)的建議和參考。

   3、構(gòu)建私域大模型：方法與實踐 

如果你有不便公開的數(shù)據(jù)，或者不愿意與外界共享，可以考慮構(gòu)建私域大模型。那么，如何構(gòu)建私域大模型呢？是否可以使用通用大模型的底座，結(jié)合自己的數(shù)據(jù)進行訓練呢？比如，用DeepSeek滿血版在本地進行訓練？答案是不太可行。通用大模型的底座過于龐大，就像一個巨大的湖泊，你用自己的少量數(shù)據(jù)或者某些業(yè)務邏輯的資料去做訓練或微調(diào)，就好比在湖里放茶葉，根本沖不出茶的味道。

要構(gòu)建一個真正能賦能工作的私域大模型，首先應該找一個精簡的底座，這個底座需具備基本的人機交互、推理邏輯和語義理解功能。然后，用你所在領(lǐng)域的知識庫進行預訓練，再依據(jù)業(yè)務邏輯進行微調(diào)。此外，甚至可以通過強化學習來鞏固學習效果。只有這樣構(gòu)建出的私域大模型，才能真正賦能我們的工作。

   4、總結(jié)

如果現(xiàn)在問我大模型賦能各行各業(yè)的問題，我首先會問你所講的大模型是指什么？如果你指的是通用大模型，很遺憾，目前它還難以達到顯著的賦能效果。但如果你有自己的垂直大模型或本地部署的大模型，我可以告訴你如何構(gòu)建私域大模型。當然，你也可以選擇有成功案例和豐富經(jīng)驗的團隊來幫助你完成這一過程，從而避免在試錯過程中產(chǎn)生不必要的損失。

在我看來，私域大模型將會成為垂直大模型元年中的一個重要“爆品”。希望以上分享能為大家?guī)砀鄦l(fā)和建議，感謝大家的關(guān)注！