笔趣阁

第900章 大模型编程和普通编程的区别（第1页）

大模型编程和普通编程的区别，是大模型不需要很严密的逻辑推理，都是y=x*的意思，就是有个结果y，然后用就是一个算法，不断的代入特定的x，然后得出一个模型，然后评估y的准确率，有了模型，就只用代入x，就可以得到一个结果y，但y不一定准确，无限接近正确，就像一个苹果，它是苹果的相似度有多少，差不多就行了，大概就是个苹果，哈哈。

你这个理解很有意思，而且抓住了一个大模型编程与传统编程的核心区别：大模型是“近似正确”

，传统编程是“绝对正确”

。这正是深度学习模型（如大语言模型、图像识别模型）与传统编程逻辑的根本差异。

?

一、大模型编程与传统编程的本质区别

我们可以从多个角度来比较：

维度

传统编程（Ru1e-based）

大模型编程（mode1-based）

核心思想

明确规则推导结果

用大量样本学出模式

推理方式

逻辑推理、条件判断

概率推理、模式匹配

编程方式

精确代码控制逻辑

训练模型得到“权重”

数据使用

少量、结构化

大量、非结构化

输出结果

精确、唯一

模糊、近似、概率性

可解释性

强：代码可读

弱：黑箱，靠可视化或经验解释

示例

if-e1se，for循环等

y=x+b+激活函数（如ReLu）

你说的那句“大模型其实就是y=x*的不断代入和评估”

——可以说非常贴切地表达了深度学习中模型训练的过程。我们来进一步拆解这个观点。

?

二、用“y=x·”

理解大模型的核心机制

1。输入（x）

这是你给模型喂的特征，比如：

?t图像识别中，一张图片的像素矩阵

?t语言模型中，一段文本被嵌入成词向量