本报讯 （融媒体记者黄文珍 通讯员王月青）近日，我市举办“DeepSeek助力企业开启数字化高效新时代”企业菁英沙龙活动。在人工智能技术加速渗透各行各业的当下，掌握大模型工具已成为企业重塑数字化转型核心竞争力的“利器”，该活动旨在于助力企业快速实现从AI基础认知到高效落地的跨越提升。活动由市工信局主办，市中小企业服务中心承办。

通用与推理

两类大模型各有擅长

现场，厦门大学信息学院高级工程师、实验教学中心副主任赵江声分享了大模型的概念、大语言模型的分类、大模型产品等内容，并为与会企业演示各类大模型产品的具体操作手法及技巧。在赵江声看来，大模型的设计和训练旨在提供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。大模型通常能够学习到更细微的模式和规律，具有更强的泛化能力和表达能力。

赵江声介绍，通用大模型侧重语言生成、上下文理解和多样化任务处理，其核心是泛化能力，可适应开放性问题但逻辑链较弱，缺乏深度推理能力。推理大模型专注于处理需要多步骤逻辑推导的复杂任务，其设计目标是通过显式生成中间推导过程，实现深度逻辑分析和决策能力。“在应用方面，二者各有擅长的领域，而不是简单的谁强谁弱问题。如果需要完成数据分析、逻辑推理、代码生成等逻辑性较强且较为复杂的任务，选择推理大模型；如果面临创意写作、文本生成、意图识别等发散性较强且较为创意多样的任务，选择通用大模型。”

优化提示方案

应对大模型“幻觉”

赵江声分享，在使用大语言模型的时候，还要警惕大模型幻觉。大模型幻觉是指大语言模型在生成内容时，输出看似合理但不符合事实或逻辑的信息。这种现象源于大模型基于概率生成机制而非事实核查的本质。如何减少大模型幻觉？赵江声说，约束性提示，在提示词中用时间、地点、范围等各种信息边界进行限制；生成参数协同控制；不确定性声明，要求标注推测内容；双AI验证，将一个大模型生成答案投喂到其他大模型进行审查，交叉验证。“在使用大模型时，需要对其输出内容进行仔细验证和甄别。”

“使用海量数据进行预训练得到的基础大模型，具备广泛的语言理解和生成能力，但特定任务上的表现往往不够精确。”赵江声认为，解决方案在于，模型微调或建立本地知识库。“前者技术特点表现为，领域针对性强，模型适应性优化；技术要点为，高质量的标注数据，合理的微调策略。本地知识库，即检索增强生成，是一种结合检索技术和生成模型的技术框架，旨在于提升模型生成内容的准确性和相关性。”

提示词本质是通过自然语言与AI模型交互，将人类需求转化为机器可理解的指令。“提示词设定技巧包括，充分提供背景信息，并表达详细的最终目标和格式要求；举例子，AI善于模仿，提示词可以提供必要的参考；简洁明白，对于推理模型，无需过多的指导与解释，无需角色设定；删掉所有正确的废话，只留下落地的建议；对回答及时纠正，一个问题的解决往往需要多轮迭代，反馈至关重要；必要的新会话，一次会话有长度限制，超过长度，AI会忘记前面，或产生自相矛盾的说法，此时应开启新会话。”