arXiv cs.AI· Umberto Michelucci·· 13 小时前AI 评分30
面向科学家与专业人士的大语言模型入门指南
An Introduction to Large Language Models for Scientists and Professionals
AI 导读
一本面向科学家与专业人士的大语言模型实用入门书，讲解 tokenisation、嵌入向量、训练、推理、上下文窗口、提示词与指令层级等基础概念，并刻意避开数学细节。
正文 · AI 翻译
摘要：大型语言模型（LLM）已迅速成为科学、教育、医学和专业工作中的重要工具。尽管从用户角度看它们似乎很简单，但有效且负责任地使用需要理解这些系统如何工作、它们的局限性是什么，以及应如何评估它们的输出。我撰写本文档，作为我在意大利都灵大学医学人工智能硕士课程中关于 LLM 的讲座的基础。本书为科学家和专业人士提供了实用且易于理解的 LLM 入门介绍。它解释了分词、嵌入、训练、推理、上下文窗口、提示和指令层级背后的基本概念，同时有意避免数学细节。特别关注 LLM 生成答案的局限性，包括幻觉、不确定性、可复现性、偏见，以及系统化验证和人工监督的必要性。本书还讨论了隐私、治理、安全，以及负责任地处理个人和敏感信息。更高级的主题包括检索增强生成（RAG）、检索质量、分块、嵌入、向量搜索、智能体、工具和工作流。一个内容充实的实践练习引导读者使用 Ollama 和 Open WebUI 运行本地 LLM，并用它与一组科学论文进行交互。该练习强调证据检索、来源验证、不确定性、研究之间的分歧，以及看似合理的语言与有科学依据的结论之间的区别。无需编程知识。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37684 [cs.CL] |
| （或 arXiv:2610.37684v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37684 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Umberto Michelucci [查看电子邮件]
[v1]
2026年10月13日星期二 13:28:53 UTC（3,226 KB）
来源：arXiv cs.AI · arxiv.org