1、transformer模型相对其他神经网络模型的技术提升： 引入了自注意力机制，使得句子中每个位置的词表达为整个句子里其他位置的上下文embedding，从而有效捕捉每个位置跟其他位置的长距离依赖，从而可以放弃了RNN结构，解决了长距离依赖问题，提高了并行度和训练速度。 2、GPU的作用： 并行计算深度学习网络中的矩阵计算，提高训练速度 3、通用大语言模型的应用场景： 多轮对话，文本摘要，智能问答，内容（代码）生成，语言翻译 4、大语言模型金融领域的应用场景： 市场分析，风险评估和情感分析等 5、大语言模型的应用受限性： 可解释性，隐私和合规性，安全和信任问题