附录4 MIN
名词表:十个词,看懂大部分 AI 的说法
A Glossary: Ten Terms Worth Knowing
ABSTRACT
碰到了回来查一下就行,不用背。每个词都用一句能听懂的话解释。
这一行的词有个毛病:同一个东西有中文名、英文名、缩写,还有各家自造的说法。下面这十个是使用频率最高的,先认这些就够。
大模型 / LLM
在海量文本上训练出来的语言模型。它本质上在做一件事:根据前面的内容猜下一个词该是什么。
智能体 / Agent
会自己拆步骤、调工具、循环执行直到把事做完的 AI。和只会一问一答的聊天机器人不是一回事。
提示词 / Prompt
你给 AI 的那段话。说清楚背景、要求和格式,结果差别很大。
上下文 / Context
AI 一次能「记住」的内容长度。超出这个长度,前面的就被挤掉了。
Token
模型计费和计长度的单位。中文大致一个字一个 token,英文一个词一到两个。
幻觉 / Hallucination
模型编造出看起来合理但其实不存在的内容。目前没有彻底解决的办法,只能靠核对。
多模态
同时能处理文字、图片、音频、视频的模型。
开源 / 闭源
开源模型可以下载到自己的机器上跑,数据不出门;闭源只能调接口。
推理模型
回答前会先「想一会儿」的模型。更擅长数学、逻辑和写代码,但更慢更贵。
微调 / Fine-tune
拿自己的数据在通用模型上再训练一轮,让它更懂你这行的说法。
有两个词值得多说一句。一个是「幻觉」——模型会一本正经地编造不存在的内容,目前没有彻底解决的办法,只能靠核对。凡是涉及数字、条款、人名、法规的输出,都要回到原始材料核实。
另一个是「开源 / 闭源」。这不只是技术选择,也是数据去向的选择:开源模型可以部署在自己的机器上,数据不出门;闭源只能调接口,数据要发出去。涉及客户资料和商业机密的场景,这个区别比性能差异重要得多。
八成半在试点,5% 上生产:智能体卡在哪一步
85% Piloting, 5% in Production: Where AI Agents Stall