Безопасно размещаем отзывы и Работаем с репутацией!
LLM
Также: большая языковая модель, языковая модель, Large Language Model
Коротко
Large Language Model — большая языковая модель: нейросеть, обученная на больших объёмах текста и умеющая понимать и генерировать речь. Основа ChatGPT, GigaChat, YandexGPT.
LLM не «ищет» ответы в базе, а продолжает текст на основе закономерностей, выученных при обучении. Поэтому к ней часто подключают поиск — так появляются ассистенты с актуальными данными.
Упоминается в статьях
💬 Термины и жаргон SERM
Прогрев карточки: как подготовить карточку организации к сезону
Если начать обновлять карточку в пик спроса, клиенты и ассистенты увидят старую картину. Что входит в прогрев, за сколько недель начинать и как проверить, что карточка…
🎯GEO GEO · AEO
Дуэльный запрос: как нейросети сравнивают компанию с конкурентами
Вопрос «N или M — что лучше» задают, когда выбор почти сделан, и ответ ассистента часто решает дело. Как собрать дуэльные запросы, проверить ответы и дать…
🧠LLMO LLMO
Описание компании для языковых моделей: двунаправленные факты и перефразы
Модели плохо выводят обратную связь фактов и не извлекают знание, записанное одной формулировкой. Как составить 10–20 ключевых фактов о компании и подать их в нескольких формах.
✨AIO AIO
Ответная слепота: какие ошибки нейросетей о компании опасны и как их ловить
Пользователи доверяют ответу ИИ и не перепроверяют его, даже когда он неверен. Разбираем типы ошибок о компаниях, их последствия и ежемесячный мониторинг.
🧠LLMO LLMO
Двухрежимная проба: как найти источник ошибки в ответе ИИ о компании
Один и тот же вопрос о компании задают нейросети без поиска и с поиском. Разница в ответах показывает, что исправлять: источники в интернете или ждать обновления…
🧠LLMO LLMO
Что такое LLMO и чем оно отличается от SEO
Почему клиенты всё чаще спрашивают нейросеть, а не поисковик, и как сделать так, чтобы в ответе прозвучал ваш бренд.
🎯GEO GEO · AEO
GEO, AEO, LLMO, AIO — в чём разница
Четыре аббревиатуры про одно и то же? Разбираем, где они пересекаются.
Упоминается в исследованиях
Препринт
2023
Поиск с ИИ вдвое ускоряет выбор товара, но люди не замечают его ошибок
Spatharioti и др. · arXiv:2307.03744 (версия 2); доработанная версия — CHI 2025 под названием «Effects of LLM-based Search on Decision Making: Speed, Accuracy, and Overreliance»
3,4 → 1,6 минСреднее время на задачу в обычном поиске и в поиске на основе языковой модели.
Рецензируемое исследование
2024
Проклятие обращения: модель знает «A — это B», но не «B — это A»
Berglund и др. · International Conference on Learning Representations (ICLR 2024)
79% против 33%Доля правильных ответов GPT-4 на прямой вопрос («кто мать знаменитости») и обратный («кто сын этой женщины»).
Рецензируемое исследование
2024
Чтобы модель извлекала факт, он должен встречаться в разных формулировках
Allen-Zhu, Li · Proceedings of the 41st International Conference on Machine Learning (ICML 2024), PMLR 235, 1067–1077
0%Без разнообразия формулировок знание может быть запомнено, но не извлекаться: точность ответов на вопросы нулевая независимо от последующего…
Рецензируемое исследование
2024
Конфликт знаний: модель принимает связные внешние данные, но ищет подтверждение
Xie и др. · International Conference on Learning Representations (ICLR 2024), spotlight
ХамелеонМодели могут быть очень восприимчивы к внешним данным, противоречащим их памяти, если те связны и убедительны.
Рецензируемое исследование
2023
Языковые модели плохо запоминают редкие факты: всё решает число упоминаний
Kandpal и др. · Proceedings of the 40th International Conference on Machine Learning (ICML 2023), PMLR 202, 15696–15707
Сильная связьТочность ответа на вопрос коррелирует и причинно связана с числом релевантных документов в данных предобучения.
Рецензируемое исследование
2023
Когда не доверять модели: о малоизвестных сущностях ИИ знает хуже
Mallen и др. · Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 9802–9822
14 тыс. вопросовРазмер датасета PopQA с сущностями разной популярности.