基础模型 (FM) 一词由斯坦福以人为本的人工智能研究所 (HAI) 1 引入。他们将 FM 称为“任何在广泛数据上训练的模型,可以适应广泛的下游任务”。这里的模型一词是指使用机器学习进行训练的将输入映射到输出的复杂数学函数。FM 以大规模构建,包含数十亿个或更多的可调参数,并使用通常通过爬取网络收集的广泛来源的数据进行训练,包括互联网文本、图像和音频。用户可以通过提交一系列自然语言提示来利用 FM 执行任务。例如,用户可以提示模型总结立法草案,并使用后续提示来完善草案。然而,这不仅适用于生成文本。例如,用户可以用绘画的描述来提示图像生成模型,模型将生成视觉内容。