Large 通常指 Large Language Model（大语言模型），即以海量参数和训练数据为基础、能够理解和生成自然语言的人工智能模型。它是当前 AI 领域的核心技术底座，也正在从通用对话模型向专用化、智能体化方向演进。
Large 模型的近期进展
当前焦点与观察点
Large 模型的讨论正在从单纯堆参数转向三个方向。其一是专用化：微软的决策模型、Mistral 的理工评测成绩都表明，针对特定任务做窄而深的优化正获得越来越多关注。其二是智能体化：斯坦福 CS329A 自进化智能体课程与莱顿大学的 472 页教材，显示学界已把"Large 模型 + 智能体"当作独立课程与学科来建设。其三是训练效率：LlMBO 等工作试图用更低算力达到微调效果，回应了大模型训练成本高企的现实问题。
另一个值得关注的争议点是吴恩达提出的判断：AI 在可验证任务上进步最快，判断类任务更难。这提示当前 Large 模型的能力边界——在答案可被客观验证的领域提升显著，而依赖主观权衡的任务仍是难点。
总体来看，Large 模型生态正走向分化：通用大模型继续迭代，同时专用小模型、智能体框架和低成本训练方法共同构成了更加立体的技术版图。后续值得观察的是专用模型能否在真实业务中稳定替代通用模型，以及自进化智能体研究的落地速度。