大语言模型和扩散模型主要有以下区别：
二者处理的信息类型不同。大型语言模型专注于处理和生成文本信息，通过分析大量的文本数据来理解和生成自然语言。而大型多模态模型不仅能处理文本信息，还能理解和生成图片、音频等多种类型的信息，这使得它们能够在更多样化的任务中应用。应用场景也有所不同。大型语言模型主要用于自然语言处理任务，如文本翻译、文本生成、情感分析等。而大型多模态模型由于能够处理多种信息类型，可以应用于更广泛的领域，例如图像识别与描述、视频分析、语音识别与生成等。在数据需求方面也有所不同。大型语言模型主要依赖于大量的文本数据进行训练，而大型多模态模型则需要多种类型的数据进行训练，包括文本、图片、音频等，以便在不同模态间建立关联。
图像生成简介：测验（及格分数：75 %）1.哪个过程涉及模型学习从图像中去除噪声？GANs采样反向扩散正向扩散1.扩散模型有哪些挑战？他们可以生成不真实的图像。它们可能难以控制。上述所有的训练它们的计算成本可能很高。1.从物理和热力学中汲取灵感的模型系列的名称是什么？生成对抗网络变分自动编码器自回归模型扩散模型1.正向扩散的过程是怎样的？从干净的图像开始，随机添加噪点从嘈杂的图像开始并迭代地去除噪声从嘈杂的图像开始并随机去除噪声从干净的图像开始，迭代地添加噪点1.扩散模型的目标是什么？通过将图像视为向量序列来生成图像让两个神经网络相互对抗将图像编码为压缩大小，然后解码回原始大小通过对数据点在潜在空间中扩散的方式进行建模来学习数据集的潜在结构
在CES 2024，李飞飞在争论LLM和AIGC名称不能混用，吴恩达觉得在公众传播没关系。李飞飞觉得难以接受，个人猜测是它模糊了大模型的本质。在公众传播层面：AIGC：指用Stable Diffusion或Midjourney生成图像内容，后来泛指用AI生成音乐、图像、视频等内容。LLM：指NLP领域的大语言模型，如ChatGPT。GenAI：生成式人工智能模型，国内官方政策文件使用这个词相对科学，涵盖了LLM和AIGC。AGI：指通用人工智能，部分人觉得LLM具有AGI潜力，LeCun反对。公众传播一般会混用上述名词，但底层是transformer结构。（stable diffusion原采用LDM+UNet，后来改为DiT）而transformer底层是function loss损失函数Transformer是一个大参数（千亿级别）的回归方程。回归方程的Function loss拟合A to B mapping关系，实现数据集的压缩与还原。Transformer是在一定prompt condition情况下，repeat曾经出现过的数据内容，实现“生成”能力。大语言模型的智能体验在两个数据集压缩后，能解释两个数据集之间地带的“连续”能力。（Ilya）所以大语言模型是一个perfect memory，repeat曾经出现的内容。它与Alpha Go差异：Alpha Go是一个增强学习模型，学习结果会调整模型自身参数Alpha Go有推理能力，但大语言模型这块很弱。Transformer决定LLM是一个生成式模型。