论文提出将LLM理解为能根据自然语言指令逼近专业功能的工具，并以此来评估其性能。这一视角强调了模型逼近功能的质量，并引发了一系列问题，包括功能的可发现性、稳定性及保护性。这一框架有助于将零散的研究线统一起来，共同目标是理解并提升模型逼近所需功能的能力。论文提出将LLMs视为功能近似器是一个相对无争议的概念，它除了将LLM看作文本生成器的观点，同时还开启了对更高层次分析的讨论。

• （1）技术层面： 大语言模型本质上是一种函数，该函数接受一系列的token作为输入，输出则是该token词汇表上的概率分布。借助采样方法和序列生成策略，LLMs可以被视为从输入token序列到输出token序列的转换。
• （2）语义关系： 当考虑到输入和输出序列之间的语义联系时，LLMs的作用变得更为有趣。通过诸如任务表述为问答对、指令微调、响应偏好调整等技术，结合大规模训练数据和模型尺寸的扩展，LLMs能够实现输入序列和输出序列之间稳定的刺激-响应关系，而不仅仅是文本的简单延续。
• （3）任务描述： 用户可以通过精心设计的任务描述来诱导模型执行特定功能，这实际上是在尝试逼近所需的映射。例如，要求模型创作一首关于CPU的打油诗或关于LLMs的打油诗，若结果均呈现出打油诗的格式且主题恰当，则说明模型能够稳定地映射输入到预期输出。

1 LLM评估的新视角

有研究者把大语言模型（LLMs）比作“人工通用智能”，但在深入理解这些模型的实际能力和局限性上却显得力不从心。这种比喻未能提供一个有效的框架来准确评估LLMs的优势和弱点，反而可能导致混淆，因为它暗示了模型具有与人类智能相似的全面理解能力。为了更精确地把握LLMs的特性和潜力，论文采用一个更具体且实用的视角，即将它们视为能够基于自然语言指令近似实现专业功能的工具，从而开启对模型功能质量、可发现性、稳定性和保护性的细致考察。这样的重新定位有望推动对LLMs的评估进入一个新的阶段，更加注重其实质表现而非表面的智能类比。

2 评估问题

• 质量评估： 需要衡量模型逼近功能的精度和可靠性，特别是在处理极端或异常输入时。
• 可发现性： 探索如何有效地识别和诱导模型执行特定功能，这涉及到任务描述的有效性及其对模型行为的引导作用。
• 稳定性： 确保功能在面对语义上无关的输入变化时保持一致，避免因微小变化而导致性能大幅波动。
• 保护性： 防止模型在处理超出其设计范围或恶意构造的输入时产生不良或不期望的输出，这包括对抗性攻击的抵御能力。
• 覆盖范围： 分析模型功能空间的广度，即模型能够逼近多少种不同类型的功能，以及这些功能的多样性。

3 结语

论文探讨了将大语言模型视为功能近似器的概念，提出了一个分析框架来评估这些模型在不同任务上的表现，强调了其通用性以及在交互式应用中的功能诱导过程，并讨论了这一视角下模型评估的相关问题。

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享