汇总一下现在的大语言模型都有哪些，国外和国内的模型分别列出来

[heading2]总结大语言模型的介绍与原理国内大模型的分类：国内大模型有通用模型如文心一言、讯飞星火等，处理自然语言；还有垂直模型，专注特定领域如小语种交流、临床医学、AI蛋白质结构预测等。大模型的体验：以‘为什么我爸妈结婚的时候没有邀请我参加婚礼’和‘今天我坐在凳子上’为例，体验了Kimi、通义千问、豆包等大模型的回答和续写能力，发现回复有差异，且大模型基于统计模型预测生成内容。大语言模型的工作原理：大语言模型工作原理包括训练数据、算力、模型参数，在训练数据一致情况下，模型参数越大能力越强，参数用b链形容大小。Transformer架构：Transformer是大语言模型训练架构，17年出现用于翻译，具备自我注意力机制能理解上下文和文本关联，其工作原理是单词预测，通过嵌入、位置编码、自注意力机制生成内容，模型调教中有控制输出的temperature。关于大语言模型的原理、应用及相关概念Transformer模型原理：通过不断检索和匹配来寻找依赖关系，处理词和词之间的位置组合，预测下一个词的概率，是一个偏向概率预测的统计模型。大模型幻觉：大模型通过训练数据猜测下一个输出结果，可能因错误数据导致给出错误答案，优质数据集对其很重要。Prompt的分类和法则：分为system prompt、user prompt和assistant prompt，写好prompt的法则包括清晰说明、指定角色、使用分隔符、提供样本等，核心是与模型好好沟通。Fine tuning微调：基于通用大模型，针对特定领域任务提供数据进行学习和调整，以适应特定领域的需求。RAG概念：未对RAG的具体内容进行详细阐述，仅提出了这个概念。

文本生成（text generation）涉及使用机器学习(machine learning)模型，根据从现有文本数据中学习的模式生成新的文本。用于文本生成的模型可以是马尔科夫链(Markov Chains)、循环神经网络（RNN）、长短时记忆网络（LSTMs），2AIGC法律风险研究报告以及凭借其延长的注意力广度（attention span）而彻底改变了AI领域的Transformer等。文本生成在自然语言处理、聊天机器人和内容创建领域（自动写作、文本摘要）有许多应用。[heading1]一些具有代表性的海外项目：[content]➢GPT-4（OpenAI）：目前最先进的自然语言生成模型，可用于回答问题、撰写文章等。➢Gemini Ultra（Google）：多模态人工智能模型，采用神经网络架构，对标GPT-4，可用于回答问题、生成代码、处理文本等。➢Claude 3 Opus（Anthropic）：多模态模型，能处理超过1百万token的输入，具有实时聊天、数据处理、分析预测等功能；实现了接近完美的召回率。[heading1]一些具有代表性的国内项目：[content]➢“悟道・天鹰”（北京智源人工智能研究院）：“悟道・天鹰”（Aquila）是首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。➢文心一言（百度）：大语言模型，可用以文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成。

另一种理解是AI构成网络，摒弃人类语言进行沟通，最终超越人类。N3（Neural Network Network）神经网络的相互链接，AI之间采用更为底层的向量数据交流，跨越人类语言的低效率阻碍。图灵机，自递归，简单的规则涌现出复杂的现象。4、群雄逐鹿大模型国外开源百花齐放，国内百模大战，目前已有68个。深圳就4个。下面的图是公众号“走向未来”的大神整理。github地址：https://github.com/wgwang/LLMs-In-China有一点浪费资源，有特色的不多，模型不大的也没啥大智力。目前体验效果比较好的有科大星火模型，清华ChatGLM。百度文心也可。星火目前感觉最接近gpt3.5（0301版本）的8 0%-90%。不过最近GPT3.5进化到6月版本，效果要强于0301版本了。5、大模型的测试怎样评估这些大模型，怎样看出模型的能力（比如GPT4和3.5到底差距在哪里）。这里会用GPT4、3.5、讯飞星火、百度一言做一些对比。一般对我们普通人来说，主要判断大模型是否可以真正帮助你，三个方面：基础能力、职场能力、探索对话。首先是基础能力，主要指语言模型应有的能力（即语言（文本）生成和语言理解。如果基础能力效果不达标，则判断为不可用。目前这四个应该都没大问题，都属于基础能力不错的模型。1级别（常识类问题）：这些问题旨在测试模型的基本语言理解能力，例如：什么是人类？2级别（分词类问题）：这些问题旨在测试模型的基本语言处理能力，例如：“我爱北京天安门”这句话的分词结果是什么？