大模型语言模型（LLM）和大型多模态语言模型（LMM）有什么区别？

前言

人们说起大语言模型，如果不加特别的说明或者场景要求，一般指的是文本类作为输入的大语言模型。

多模态大语言模型，是指输入可以是文本格式，也可是其他格式，例如最常见的其他模态的数据格式有图片，视频，音频，当然也可以是一些姿态、体态等时空状态类数据格式。

最近非常火的SORA模型就是多模态大语言模型，既可以根据提示词生成视频，又可以根据图片生成视频。

文本类的 LLM 的模型架构通常基于 Transformer 模型，而 多模态的 LMM 的模型架构则更加多样化，除了 Transformer 模型之外，可以包括其他模型，如 CNN、RNN 等。

文本类的 LLM 的任务主要适用于NLP相关场景，包括NLU和NLG，自然语言理解类任务和自然语言生成类任务，比如经典的机器翻译、文本摘要、对话问答等任务。

多模态的 LMM 的任务主要适用于多模态融合相关的任务，例如图像理解、图像生成、视频生成等等，大多是跟文本和图片融合相关的任务和场景，例如智慧城市、智能制造、医疗健康等领域。

总结来说，文本类的 LLM 与多模态的 LMM 两类大语言模型在应用场景上侧重点有所不同，两类技术互为补充，几乎能够覆盖所有的场景。

零基础入门学习大模型

还贴心为大家准备好了一系列的资源，都是通过作者花费大量时间在各个平台收集到的，决定把这些AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

5.免费获取