AI智能体 (AI Agents)是什么? 📅 2026年4月12日 AI智能体(AI Agents)是以大模型为核心、能理解目标并自主拆解步骤、调用工具把动作真正做出来的智能系统,核心包括目标理解与任务拆解、工具调用与执行、多步循环推进,解决的是大模型只能给建议、无法动手完成真实任务的问题,并不解决模型推理…
人工智能中的思维链 (Chain of Thought, CoT)有什么作用? 📅 2026年4月12日 思维链(Chain of Thought,CoT)是让大模型先写出解题的中间推理步骤、再据此给出结论的方法,核心包括显式展开推演过程、以中间步骤支撑答案、提升推理可核查性,解决的是模型急着给答案、逻辑与数学推理出错的问题,并不解决知识储备不…
RAG (检索增强生成)是指什么? 📅 2026年4月12日 检索增强生成(RAG,Retrieval-Augmented Generation)是先检索外部资料、再作为上下文交给大模型作答的架构,核心包括检索召回、上下文注入、资料更新无需重训,解决的是模型凭记忆作答产生幻觉、知识难更新的问题,并不解…
提示词工程 (Prompt Engineering)是指什么? 📅 2026年4月12日 提示词工程(Prompt Engineering)是通过设计与优化输入给大模型的指令文本、稳定获得高质量输出的方法,核心技巧包括设定角色与任务、补充示例、规定输出格式,解决的是模糊提问只能换来平庸回答、输出格式不可控的问题,并不解决模型自身…
人工智能里面的量化 (Quantization)指的是什么? 📅 2026年4月12日 量化(Quantization)是把模型权重从高精度浮点数转成低精度数值表示、压缩模型体积的技术,核心包括降低参数精度、削减存储与显存占用、以少量精度损失换可运行性,解决的是大模型体积过大、普通笔记本装不下也跑不动的问题,并不解决精度压缩的…
LoRA (低秩自适应)是什么? 📅 2026年4月12日 低秩自适应(LoRA,Low-Rank Adaptation)是冻结预训练参数、只训练旁路低秩矩阵即可定制微调的技术,核心包括冻结原参数、插入可训练低秩小插件、低成本完成领域适配,解决的是全参数微调显存与算力门槛过高、个人难以定制模型的问题…
RLHF (人类反馈强化学习)是什么? 📅 2026年4月12日 人类反馈强化学习(RLHF,Reinforcement Learning from Human Feedback)是让人给候选回答打分、作为奖励信号训练模型,核心是候选生成、人工打分、奖励回传,解决的是模型只续写词句、输出不合人类价值观的问…
AI的微调 (Fine-Tuning)是指什么? 📅 2026年4月12日 微调(Fine-tuning)是在预训练模型基础上用特定领域的小规模数据再做一轮训练的技术,核心包括投喂领域语料、更新模型内部参数、对齐特定任务与输出风格,解决的是通用模型在垂直场景表现平庸、答非所需的问题,并不解决微调本身显存与算力开销高…
什么是AI幻觉 (Hallucination)? 📅 2026年4月12日 AI幻觉(Hallucination)是生成式模型以流畅自信语气输出看似合理、实则不存在的现象,其表现形式包括编造不存在的法条与接口、给出无法运行的调用示例,解决的是模型输出无法自证真伪、错误内容流入业务决策的问题,并不解决模型知识边界有限…
大语言模型 (LLM)里的温度 (Temperature)是指什么? 📅 2026年4月12日 温度(Temperature)是调节大语言模型采样随机性、决定选词保守或发散的解码参数,其典型表现是低温度稳定倾向高概率词、适合写代码与总结,高温度多采信低概率词、适合写小说与头脑风暴,解决的是单一贪心解码输出单调重复的问题,并不解决模型知…
大语言模型 (LLM)里的上下文窗口 (Context Window)指的是什么? 📅 2026年4月12日 上下文窗口(Context Window)是模型一次推理交互中能同时读入并保留的信息量上限,其表现形式包括早期模型仅能容纳数千个词、现代模型可吞下整本书、窗口越大响应越慢成本越高,解决的是长对话超出容量后模型断片失忆的问题,并不解决中间信息…