Tōa-hêng gí-giân bô͘-hêng

大型 (Tōa-hêng)語言 (gí-giân)模型 (bô͘-hêng) (英語 (Eng-gí): large language model; LLM) 是 (sī)chi̍t chióng gí-giân bô͘-hêng， iû chē-chē chham-sò͘ (thong-siông 10 ek gōa ê khoân-tiōng) 的 (ê)人工 (jîn-kang)神經 (sîn-keng)網路 (bāng-lō͘)組成 (chó͘-sêng)，使用 (sú-iōng)自監督 (chū-kàm-tok)學習 (ha̍k-si̍p)抑 (ia̍h)半監督 (pòaⁿ-kàm-tok)學習對 (tùi)大量 (tōa-liōng)無 (bô)標記 (piau-kì)文本 (bûn-pún)進行 (chìn-hêng)訓練 (hùn-liān)。大型語言模型佇 (tī)2018年 (nî)左右 (chó-iū)出現 (chhut-hiān)，然後 (jiân-āu)佇各種 (kok-chióng)任務 (jīm-bū)中 (tiong)有 (ū)出色 (chhut-sek)的表現 (piáu-hiān)。雖然 (Sui-jiân)這个 (chit-ê)術語 (su̍t-gí)無正式 (chèng-sek)的定義 (tēng-gī)，毋過 (m̄-koh)伊 (i)通常 (thong-siông)講的 (kóng--ê)是參數 (chham-sò͘)數量 (sò͘-liōng)佇幾若 (kúi-nā)十億 (cha̍p-ek)抑閣較 (koh-khah)濟 (chē)數量級 (sò͘-liōng-kip)的深度 (chhim-tō͘)學習模型。大型語言模型是通用 (thong-iōng)的模型，佇廣泛 (kóng-hoàn)的任務中表現出色，嘛 (mā)未 (bōe)針對 (chiam-tùi)一 (chi̍t)項 (hāng)特定 (te̍k-tēng)个 (ê)任務 (親像 (chhin-chhiūⁿ)情感 (chêng-kám)分析 (hun-sek)，號名 (hō-miâ)實體 (si̍t-thé)識別 (sek-pia̍t)抑數學 (sò͘-ha̍k)推理 (thui-lí)) 來 (lâi)進行訓練。雖然佇預測 (ī-chhek)文據 (bûn-kù)中的下 (ē)一个單詞 (tan-sû)等 (téng)簡單 (kán-tan)任務上 (siōng)接受 (chiap-siū)過 (kòe)訓練，毋閣 (m̄-koh)發現 (hoat-hiān)具有 (kū-iú)足額 (chiok-gia̍h)訓練佮 (kap)參數數量的神經語言模型會當 (ē-tàng)掠著 (lia̍h-tio̍h)人類 (jîn-lūi)語言的大部分 (tōa-pō͘-hūn)語法 (gí-hoat)佮意思 (ì-sù)。另外 (Lēng-gōa)，大型語言模型展示 (tián-sī)了 (liáu)相當 (siong-tong)濟關於 (koan-î)世界 (sè-kài)的常識 (siông-sek)，並且 (pēng-chhiáⁿ)會曉 (ē-hiáu)佇訓練過程 (kòe-têng)共 (kā)大量事實 (sū-si̍t)記 (kì)tiâu。