一句话导读
系统盘点大模型技术与路线的权威综述
论文信息
| 英文原名 | A Survey of Large Language Models |
| 中文常用名 | 大语言模型综述 |
| 作者 | Zhao, Zhou, Li, et al. |
| 发表年份 | 2023 |
| 出处 / 获取 | arXiv:2303.18223 |
| 所属专题 | 经典综述 |
本文为 AI泡泡堂 经典 AI 文献栏目收录，信息经公开渠道核验。若需引用请以原论文为准。
详细解读（中文）
一、论文背景：2023 年前后大语言模型（LLM）呈爆发式发展，但相关术语、架构、训练方法与评估体系庞杂分散，研究社区急需一份系统性的”地图”。
二、核心创新：这篇综述（《A Survey of Large Language Models》）对 LLM 进行全面梳理，提出了”预训练→适配（SFT/指令微调/对齐）→应用”的完整生命周期框架，并系统总结了主流模型（GPT、PaLM、LLaMA 等）、关键训练技术、评测基准与开放资源。
三、关键技术细节：① 梳理 LLM 的缩放定律、涌现能力与关键架构组件（Transformer、位置编码、MoE 等）；② 介绍数据工程（语料构建、去重、质量过滤）与高效训练（并行、混合精度）；③ 详解对齐技术：指令微调（SFT）、人类反馈强化学习（RLHF）、思维链（CoT）等；④ 汇总主要评测（MMLU、GSM8K、HumanEval 等）与代表性榜单；⑤ 讨论幻觉、安全、版权、环境影响等开放挑战。
影响与后续发展
该综述成为 LLM 研究的标准参考文档（引用量极高），为新手研究者提供了完整的知识框架，也促进了 LLM 术语与评估规范的统一，被广泛用作课程教材与团队入门材料。
查看原始论文（权威链接）
英文原文摘要（Original Abstract，节选）
A Survey of Large Language Models: Language is essentially a complex, intricate system of human expressions governed by grammatical rules. In this survey, we introduce the background and recent advances of large language models (LLMs), covering their architecture, pre-training, adaptation and alignment, and application. We also discuss key challenges and future directions, providing a comprehensive reference for researchers and practitioners.
提示：以上英文摘要为原文节选，完整论文请通过上方权威链接查看（原始论文版权归原作者/出版方所有）。