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*w的意思,就是有个结果y,然后用w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(rule-based)
大模型编程(del-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-else,
for循环等
y
=
wx
+