大語言模型：
大所指代的包括三點
- 引數量大，處理自然語言的問題十分繁瑣，大量的引數可以滿足模型所需要的複雜性。
- 資料量大，大語言模型的訓練需要大量的資料來保證其輸出內容的準確性，泛化性。
- 複雜性大，處理語言問題需要較強的複雜性。
模型的作用是處理，分析和生成資料。
- 模型透過呼叫處理資料相關函式將匯入模型的資料處理為數字資料
- 模型透過呼叫分析資料相關函式
計算機要想處理相關資料，必須將資料加工為計算機能夠讀懂的資料，此處一般指各種數字類資料，而我們要將研究的問題轉變為數字相關的問題。
大：
模型的大，能夠滿足模型解決複雜問題的需求。
我們知道，當你為別人解答問題時，如果是一個學科類問題，比如一道數學題，物理題，化學題，他可能存在標準答案，但是我們往往要面臨的確實語文題，他沒有標準答案，又或者它有一個隨著提問環境隨之改變的標準答案，在解決這類問題時，需要經過複雜的思考，因此，為了讓我們的模型具備複雜思考的能力，我們需要有較大量的複雜處理，大量的引數可以從結果的獲取來說，它可以演示我們對同一個問題因種種因素而產生的不同的思考。
其次，我們知道，隨著年齡的增長，隨著我們閱歷的豐富，我們解決實際複雜問題的能力也會提高，大模型雖然無法去親身經歷這些事件，但是透過我們相關資料的匯入，讓大模型從中學習，來提高解決相應問題的能力，隨著匯入匯入資料量的增加，大模型的泛用性會提高（）
比如當你生氣的時候，在某些情況下，你透過自我調節就可以很好的恢復狀態，但是在某些情況下，你需要合理發洩自己的怒火，除此之外，還有許多做法。決定選擇以上哪種做法的因素，比如生氣的原因，場合，生氣的物件……
模型：
如何讓計算機能夠聽懂人類的語言？難度在哪裡？
從人類角度談起：
假設你的對面有一個人，當他流利地說出一句話時，如：我喜歡你媽做的蛋糕。你能比較輕鬆的理解。
現在你的對面是一個結巴，當他吞吞吐吐地說出：我，喜，歡，你，媽，做，的，蛋，糕。時，你發現，只有當句子比較完整時，你才能準確知道它所表達的意思。
因此，模型在獲取對話內容的時候，也是一句話一句話匯入的，而不是一個字一個字匯入。
從模型角度講：
模型並不認識文字，也不知道文字與文字直接的聯絡，以及人們如何透過文字傳遞資訊，模型又該如何透過文字將資訊傳遞出去。因為計算機對於數字的應用要高於文字的應用，因此，我們通常採取將文字資訊轉化為數字資訊，將兩個人的溝通轉化為數字問題。