ChatGPT 替代方案：大语言模型综述
计算与语言
2024-03-22 v1 人工智能
摘要
近年来，大语言模型 (LLM) 的辉煌不仅在自然语言处理领域闪耀，还在广泛的应用中展现了其光芒。LLM 能力的卓越展示激发了该领域内研究贡献的激增，涵盖了多样化的主题。这些贡献包括神经网络架构的进步、上下文长度的增强、模型对齐、训练数据集、基准测试、效率提升等。近年来，学术界和工业界之间产生了动态的协同作用，将 LLM 研究领域推向了新的高度。这一旅程中一个显著的里程碑是 ChatGPT 的引入，这是一个基于 LLM 的强大 AI 聊天机器人，引起了社会的广泛关注。LLM 不断发展的技术已经开始重塑整个 AI 社区的格局，有望为我们创建和应用 AI 算法的方式带来革命性的转变。鉴于这种快节奏的技术演进，我们的综述踏上了一段旅程，以概括 LLM 世界中取得的最新进展。通过对背景、关键发现和流行方法的探索，我们提供了最新的文献回顾。通过审查多个 LLM 模型，我们的论文不仅提供了全面的概述，还规划了一条识别现有挑战并指向潜在未来研究轨迹的路线。本综述提供了关于生成式 AI 当前状态的全面视角，为进一步的探索、增强和创新提供了启示。
引用
@article{arxiv.2403.14469,
title = {ChatGPT Alternative Solutions: Large Language Models Survey},
author = {Hanieh Alipour and Nick Pendar and Kohinoor Roy},
journal= {arXiv preprint arXiv:2403.14469},
year = {2024}
}