Begyndernes Guide til LLMs
Alt du behøver at vide for at komme i gang med Large Language Models - fra de grundlæggende koncepter til praktiske anvendelser.
Hvad er LLMs?
LLM står for Large Language Model. På dansk siger man sprogmodel, og de to ord dækker det samme. Det er en type kunstig intelligens, der er trænet på enorme mængder tekst for at kunne forstå og generere menneskeligt sprog.
Tænk på en LLM som en ekstremt avanceret autofuldførelse. Den har læst milliarder af sider tekst og lært mønstre i sproget, så den kan forudsige hvad der kommer næst i en sætning. Den slår ikke svar op i en database. Den beregner, hvilke ord der sandsynligvis følger efter de foregående, og det forklarer både hvorfor den virker overbevisende, og hvorfor den kan tage fejl med fuld selvtillid.
Aktuelle eksempler er Claude Opus 5 og Claude Sonnet 5 fra Anthropic, GPT-5.6 Sol fra OpenAI, Gemini 3.1 Pro fra Google og Llama fra Meta. Modellerne udskiftes hurtigt, så et modelnavn uden versionsnummer siger sjældent noget præcist.
Hvad LLM ikke betyder
Forkortelsen bruges også uden for AI. Inden for jura er en LLM en Master of Laws, en overbygningsgrad. Støder du på LLM i en juridisk sammenhæng, er det den betydning, der gælder.
I AI-sammenhæng ser du også LLM'er som dansk flertalsform, og LLMO eller GEO om det at optimere indhold til at blive citeret af sprogmodeller. Det er en anden disciplin end at bruge modellerne.
Forskellen på en sprogmodel og en chatbot
Sprogmodellen er motoren. ChatGPT, Claude og Gemini er produkter bygget oven på en sprogmodel, med brugerflade, hukommelse mellem beskeder, værktøjer og sikkerhedsfiltre omkring.
Skelnen betyder noget i praksis. Når du bruger produktet, får du modellen plus alt det omkringliggende. Når du kalder modellen gennem et API, får du kun modellen, og du skal selv bygge resten. Det er derfor det samme spørgsmål kan give forskellige svar de to steder, selv når modellen er den samme.
En sprogmodel husker desuden ikke noget mellem to kald. Fornemmelsen af en samtale opstår, fordi produktet sender hele den hidtidige samtale med hver gang. Det er også derfor et context window har en grænse, og hvorfor lange samtaler til sidst begynder at tabe det, der blev sagt først.
Hvordan Fungerer De?
Ordet large henviser til to ting på én gang: mængden af tekst modellen er trænet på, og antallet af parametre, altså de justerbare tal der udgør modellen. Moderne modeller tælles i hundreder af milliarder parametre. Det er skalaen, der gør forskellen på en model, der kan føre en samtale, og de sprogmodeller man havde for ti år siden.
1. Træning
LLMs trænes på enorme datasæt fra internettet, bøger, artikler og mere. Under træningen lærer modellen at forudsige næste ord i en tekst, hvilket giver den forståelse for sprog, kontekst og viden.
2. Tokens
Tekst opdeles i små enheder kaldet "tokens" (typisk ord eller dele af ord). Modellen arbejder med disse tokens for at forstå og generere tekst. Et token er cirka 4 karakterer.
3. Attention Mechanism
LLMs bruger en "attention mechanism" til at fokusere på relevante dele af inputtet. Det er derfor de kan håndtere lange samtaler og forstå kontekst.
4. Generering
Når du stiller et spørgsmål, genererer modellen et svar ét token ad gangen, baseret på alt den har lært og den kontekst du har givet.
Almindelige Begreber
Prompt
Den tekst eller instruktion du giver til LLM'en. En god prompt giver bedre resultater.
Temperature
Kontrollerer hvor kreativ eller fokuseret modellen er. Lav = mere forudsigelig, høj = mere kreativ.
Context Window
Hvor meget tekst modellen kan "huske" på én gang. Større context window = længere samtaler.
Hallucination
Når LLM'en genererer information der lyder overbevisende, men er faktuelt forkert.
Fine-tuning
At tilpasse en eksisterende model til en specifik opgave ved at træne den på specifikke data.
RAG
Retrieval-Augmented Generation - at give modellen adgang til eksterne datakilder.
Kom i Gang
Vælg en platform
Start med en af de populære chatbots:
- ChatGPT (OpenAI) - God til generelle opgaver
- Claude (Anthropic) - Excellerer med lange dokumenter
- Gemini (Google) - Stærk til multimodal analyse
Start simpelt
Begynd med enkle spørgsmål og opgaver. Eksperimentér med forskellige måder at formulere din prompt på og se hvordan det påvirker svaret.
Lær prompt engineering
Jo bedre du bliver til at skrive prompts, jo bedre resultater får du. Guiden om prompt engineering gennemgår de teknikker, der flytter mest.
Forstå begrænsninger
LLMs er kraftfulde, men ikke perfekte. De kan hallucinere, har en knowledge cutoff dato, og kan have bias. Verificér altid vigtig information.
Udforsk use cases
Find praktiske anvendelser i dit arbejde: skrivning, kodning, analyse, brainstorming, oversættelse, og meget mere.
Video-bibliotek
Tre grundige videoer der forklarer hvordan sprogmodeller fungerer under motorhjelmen. Alle er på engelsk, men de står som industri-standarden for formidling af LLMs.
Intro to Large Language Models
Andrej Karpathy · 1-times gennemgang der gør dig fortrolig med LLMs på koncept-niveau.
Transformers, the tech behind LLMs
3Blue1Brown · Visuel introduktion til transformer-arkitekturen der driver alle moderne sprogmodeller.
Deep Dive into LLMs like ChatGPT
Andrej Karpathy · Dyb teknisk gennemgang af hvordan ChatGPT-lignende modeller trænes og fungerer.