LLM (nagy nyelvi modell): mit jelent, és hogyan működik?
Az LLM a large language model, magyarul nagy nyelvi modell rövidítése. Ez a ChatGPT, a Claude, a Gemini és a Copilot „motorja”. Ha érted, hogyan állítja elő a választ, azt is érteni fogod, mikor bízhatsz benne, és mikor kell ellenőrizned.
Frissítve:
Olvasási idő: kb. 3 perc
Ebben a cikkben
Hogyan működik egyszerűen?
Az LLM alapfeladata a szövegfolytatás. Az előtanítás során hatalmas mennyiségű szövegen gyakorolja, hogy egy szöveg elejéből kitalálja, mi jön utána. Amikor kérdezel tőle, a kérdésedet is egy szöveg elejének tekinti, és darabonként, tokenenként megírja a legvalószínűbb folytatást.
Egyszerűsítés, de jó kiindulópont
A modell belül ennél összetettebben dolgozik, a kutatások szerint például előre is tervez. A munkához mégis ez a hasznos kép: az LLM nem kikeres egy tényt, hanem valószínű szöveget ír.
Hogyan lesz egy modellből asszisztens?
- 1
Előtanítás
A modell hatalmas szövegmennyiségen megtanulja a nyelv mintázatait. Az így kapott „nyers” modell még nem jó a kérdések megválaszolásában.
- 2
Finomhangolás
Emberek által írt mintaválaszokkal és emberi értékelésekkel (RLHF) megtanítják, hogy kövesse az utasításokat, és hasznos asszisztensként viselkedjen.
- 3
Termék
A modell köré épül a felület: csevegés, fájlfeltöltés, webes keresés, hozzáférés céges adatokhoz. A ChatGPT, a Copilot és a Gemini ilyen termék.
Mit jelent ez a munkában?
| Tulajdonság | Mit jelent a gyakorlatban |
|---|---|
| Valószínű szöveget ír | Jól fogalmaz, összefoglal, átír, vázlatot készít. A tényeket, számokat és hivatkozásokat viszont ellenőrizni kell. |
| Van tudási határideje | A legfrissebb árakról és jogszabályokról nem tud, hacsak nem kap webes keresést vagy friss dokumentumot. |
| Csak azt látja, amit megadsz | A feladatodról annyit tud, amennyit leírsz. A jó kérés ezért kontextust, adatot és korlátokat is tartalmaz. |
| Tokenekben dolgozik | A szöveget szórészekre bontja. Ez számít a díjazásnál és abban, mennyi szöveget lát egyszerre. |
Mire figyelj?
- Ne úgy kérdezz, mint egy keresőtől: add meg a feladatot, a kontextust és a kívánt formát.
- Minden számot, nevet, dátumot és hivatkozást vess össze a forrással, mielőtt továbbadod.
- Friss információhoz kérj webes keresést, vagy töltsd fel a forrásdokumentumot a cég által jóváhagyott eszközbe.
- Ne add meg a várt választ a kérdésben („ugye jó ez a terv?”): a modellek hajlamosak egyetérteni a felhasználóval.
Gyakori kérdések
Források
- Anthropic: Glossary (Claude Platform documentation)
- McCoy et al. (2024): Embers of autoregression
- Ouyang et al. (2022): Training language models to follow instructions with human feedback
- Anthropic: Models overview
- Sharma et al. (2023): Towards Understanding Sycophancy in Language Models
Az oldalon szereplő dátumokat és állításokat a fenti források alapján ellenőriztük. Utolsó ellenőrzés: 2026. szeptember 29.