大模型如何重塑 NLP 任务

在 BERT 之前，NLP 有几十个专门任务、专门模型：分词、词性、句法、NER、分类、摘要……每个都要单独训。大模型把这一切统一成“预训练 + 提示”，整个领域的结构被彻底重写。

这是技术史上最壮观的范式转移之一：几十年的学科积累，在几年内被一种统一方法重新组织。它提醒我们：领域的进步不总是渐进的，当出现更高层的抽象时，所有底层结构都会被重写。保持对范式的敏感，是每个从业者的必修课。

## 核心要点

图片来源：Openverse / brewbooks（https://www.flickr.com/photos/93452909@N00/2353899890）

1. “预训练+微调”取代了“为每个任务训模型”。

2. Prompt 工程让“调模型”变成了“写提示词”。

3. 传统 NLP 流水线退化为了大模型的一个个组件。

4. NLP 从“分而治之”走向了“大一统”。

图片来源：Openverse / neeravbhatt（https://www.flickr.com/photos/74601184@N00/6618334377）

## 写在最后

以上是关于「大模型如何重塑 NLP 任务」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。