近年来，多模态大型语言模型（MLLM）在各个领域的应用取得了显著的成功。然而，作为许多下游任务的基础模型，当前的 MLLM 由众所周知的 Transformer 网络构成，这种网络具有较低效的二次计算复杂度。
相信很多朋友都看过这篇论文，在 2023 年 3 月，一支来自加拿大滑铁卢大学、清华大学和新加坡管理大学的团队，发表了一篇大模型综述《A Survey of Large Language Models》.
在大算力的数字化时代下，大语言模型（LLM）以其令人瞩目的发展速度，正引领着技术的潮流
LLM界的「真·Open AI」，又来整顿AI圈了！
在2023年的「百模大战」中，众多实践者推出了各类模型，这些模型有的是原创的，有的是针对开源模型进行微调的；有些是通用的，有些则是行业特定的。如何能合理地评价这些模型的能力，成为关键问题
如今，大型语言模型（LLM）已经成为了我们生活中的好帮手
LLM已经可以理解文本和图片了，也能够根据它们的历史知识回答各种问题，但它们或许对周围世界当前发生的事情一无所知
Transformers 的二次复杂度和弱长度外推限制了它们扩展到长序列的能力，虽然存在线性注意力和状态空间模型等次二次解决方案
从国际顶流 GPT-4 128K、Claude 200K 到国内「当红炸子鸡」支持 200 万字上下文的 Kimi Chat，大语言模型（LLM）在长上下文技术上不约而同地卷起来了
生成式人工智能（Generative Artificial Intelligence，简称生成式 AI）是 AI 的一种形式，可以生成从论文到视频等任何东西，协助人类处理信息和数据。生成式人工智能的引入，特别是 ChatGPT 等「大型语言模型」（LLM） 聊天机器人的引入，使得许多人预测这项新技术将改变现有的教育模式。
