早期的机器学习算法解决了某些特定的数据上的问题；其依赖于明确的特征工程和较小的数据集 传统的深度学习算法解决了某一类数据结构上的问题；例如针对图片数据类型的卷积神经网络，针对序列数据的循环神经网络 而近期的大模型技术解决了“如何利用大量无监督数据来进行知识抽取”的问题，从其中抽取的知识在微调之后就能够应用于下游的任务