1.5　LLM的應用

借助文本生成能力和提示詞，LLM 適用于廣泛的任務，似乎限制它應用范圍的只有人的想象力。讓我們探索一些常見任務和技術來說明這一點。

檢測客戶評論是正面的還是負面的

這是（有監督的）分類任務，可以使用僅編碼器和僅解碼器模型來處理，既可以使用預訓練模型（參見第 4 章），也可以使用微調模型（參見第 11 章）來完成。

開發一個系統，找出主題相同的工單問題

這是（無監督的）分類任務，沒有預定義的標簽。我們可以利用僅編碼器模型來執行分類本身，并使用僅解碼器模型來標記主題（參見第 5 章）。

構建一個用于檢索和查看相關文檔的系統

語言模型系統的一大重要特性是能夠整合外部信息資源。使用語義搜索，我們可以構建系統，讓 LLM 輕松訪問和查找信息（參見第 8 章）。還可以通過創建或微調自定義嵌入模型來改進系統（參見第 12 章）。

構建一個能利用外部資源（如工具和文檔）的LLM 聊天機器人

這一應用是多種技術的組合，展示了如何通過外部組件來發揮 LLM的真正潛力。提示工程（參見第 6 章）、RAG（參見第 8 章）和微調 LLM（參見第 12 章）等方法都是 LLM 拼圖的一部分。

構建一個能夠根據冰箱中的食材圖片生成食譜的LLM

這是一個多模態任務，LLM 需要輸入圖像并對所看到的圖像進行推理（參見第 9 章）。LLM 正在被擴展到視覺等其他模態，這帶來了各種有趣的用例。

創建 LLM 應用是極具吸引力的，因為在一定程度上，這些應用的能力僅僅受限于你的想象力。隨著這些模型變得更加準確，我們將能夠把模型應用于各種創新的場景，例如角色扮演和編寫兒童讀物，這將十分有趣。