一题一页 · 技术方法 · 也叫大模型、LLM

AI 的回答是怎么写出来的？它在「想」吗？

读过海量文字后学会「接着往下写」的模型。你输入一段话，它算出下一个词最可能是什么，一个词一个词地生成回答。

先看懂

技术方法

大语言模型（LLM）

只会「接着往下写」的模型

模型本身不上网、不操作、不存状态

此刻在看：静态解释，这一页的 4 个部分都是这一种。

主张依据 2 类：公开报道与实践记录、编辑解释。

核实状态：这一页没有需要核实的结论，所以这一维是空的。

三个维度分别看：演示方式、主张依据、核实状态

演示方式

表示此刻展示方式，不是准确性等级。

顶部三秒卡静态解释
举例与能／不能三栏静态解释
别和这几个搞混静态解释
展开后的正文静态解释

主张依据

可多选，每种都有实际引用；「本站实验」需有记录。

公开报道与实践记录 Introducing ChatGPT
这一页挂的唯一一条外部来源是 ChatGPT 的发布公告，它支持的是本页指向那件事的关系（这类模型此前已存在，是它让大众第一次直接用上）；两段正文的解释没有一句引自它。
编辑解释
本站自己写的，没有外部引用。

「只会接着往下写的模型」与「模型本身不上网、不操作、不存状态」是本站为三秒卡写的说法。
「今天天气很好，我们去」那个例子与「它能」「它不能」六条，是本站按这类模型的通行用法写的界定，没有引任何一份材料。
与智能体的那条区别是本站写的对照。
「它只做一件事」「这解释了很多现象」两段是本站的解释。这一页没有结构关系可显示。

核实状态

附范围、时间及必要原因，不等于全页绝对正确。

这一页没有需要核实的结论，所以这一维是空的——不会因为它挂着论文就替它标一个「已核对」。

举个例子

你输入「今天天气很好，我们去」，它算出后面最可能是「公园」「爬山」之类的词，选一个接上，再算下一个。

它能

生成通顺的文字，按要求改写、总结、翻译
在生成的文字里写出「请调用某个工具」这样的请求
在给定的资料范围内回答问题

它不能 / 不是

自己不能执行任何操作：不能上网、不能读你的文件、不能发消息
模型这一侧不保存上一轮的状态；产品里的「记得」来自程序把之前的内容再送进来，或者另存了摘要
不保证说的是事实，通顺不等于正确

别和这几个搞混

容易和……混淆区别：模型只会写字，智能体是模型加上一个会执行的程序

想看细节再点开

它只做一件事

它的生成过程可以归结为一件事：给定前面的文字，算下一个词。回答一个问题，就是把这一步重复到抽中结束记号为止；重复多少次取决于回答多长，几十到几千次都有。

这解释了很多现象

它为什么会一本正经地说错话：因为它算的是在这个上下文里分数最高的下一个词，分数高低和事实对不对是两回事。它为什么「忘了」你上一轮说的：因为模型这一侧不保存状态，是程序每次把之前的对话再送进去。它为什么能「调用工具」：因为程序约定好了，只要它写出某种格式的文字，程序就去执行。

理解了这一件事，后面的大部分新词都能看懂了。

谁指向了这个词

← 容易和……混淆AGI（通用人工智能）模型是具体的东西，AGI 是对能力的要求
← 运行时依赖AI 智能体（Agent）每一步的判断由模型生成
← 容易和……混淆AI 智能体（Agent）模型只会写字；智能体是模型加上一个会执行的程序
← 是……的组成部分KV 缓存它是模型生成过程中的一块临时数据，不是模型的一部分
← 是……的组成部分混合专家（MoE）它是大模型内部的一种结构，不是另一类模型
← 运行时依赖OpenClaw理解你的指令、生成回复，靠的是接入的模型