文章目录一.概述二.推理流程三.补充四.总结一.概述在基于大语言模型的 Agent 系统中LLMLarge Language Model大语言模型通常承担理解任务、生成计划和选择工具等职责因此可以将它形象地理解为 Agent 的“大脑”。理解 LLM 的工作方式可以先区分两个阶段**训练阶段**通过训练数据和优化算法调整模型参数形成处理语言等任务的能力。**推理阶段**使用训练好的模型根据当前输入生成输出。本文以常见的自回归文本生成模型为例介绍这两个阶段及其基本流程。二.推理流程三.补充此外还有计算机视觉模型语音模型图像与视频生成模型推荐与排序模型等这些模型都可分为学习和应用阶段。市面上有各种云服务提供了模型训练和模型接口服务四.总结理解 LLM可以围绕三个核心概念展开训练通过数据和优化算法调整参数形成模型能力。推理利用已有参数根据当前上下文生成输出。Agent在 LLM 的基础上结合工具、记忆和执行机制完成任务。对于常见的自回归文本生成模型“根据上下文预测并生成后续 Token”是理解其工作方式的重要起点。进一步学习时可以继续关注 Transformer、注意力机制、解码策略和工具调用等内容