GLOSSARY / CONCEPTS
AI 术语表
用大白话解释核心 AI 概念——没有黑话，没有废话。
01大语言模型（LLM）在海量文本上训练、能预测和生成语言的神经网络，是所有 AI 聊天助手背后的引擎。02生成式 AI能创造新内容（文本、图像、视频、音频或代码）的 AI，而不只是从固定选项中分类或预测。03提示词（提示词工程）提示词是你给 AI 模型的指令；提示词工程则是撰写“能稳定产出所需结果”的指令的技艺。04Token（词元）AI 模型实际读取和生成的小文本块（约等于一个词或词的一部分）；计费与上下文限制都以 token 计数。05幻觉（AI 幻觉）指 AI 模型自信地陈述虚假信息——编造事实、虚构引用，或看似合理实则错误的回答。06多模态能同时处理多种媒介的模型——读图、生成音频、看懂视频——而不只处理文本。07微调在预训练模型基础上，用你自己的样本继续训练，使其适配特定风格、任务或领域。08开放权重（开源模型）训练参数公开可下载的模型——任何人都能在自己的硬件上运行、审计或改造它们。09上下文窗口模型一次能“看到”的文本量——以 token 计的工作记忆，涵盖你的对话与所附文档。10检索增强生成（RAG）一种技术：模型先检索相关文档（或网络），再基于检索到的内容作答并引用来源。11AI 智能体能自主规划并执行多步任务的 AI 系统——浏览、写代码、使用工具——而不只是回答单个问题。12推理（推断）运行训练好的模型以产出结果的过程——每条聊天回复、每张生成图像、每次 API 调用都是一次推理。13向量嵌入（Embedding）文本、图像或音频的数值化表示，捕捉语义，使机器能通过比较向量找到相似内容。14API（AI 接口）让开发者能在自己的软件中调用 AI 模型的编程接口，通常按用量计费。15AI 安全与对齐让 AI 系统有用、诚实、无害的实践——追随人类的意图与价值观，而非产出“有能力但有害”的结果。16基础模型在广泛数据上训练的大型通用模型，设计初衷是适配众多下游任务，而非单一工作。17扩散模型支撑现代大多数图像与视频生成的模型家族：学习逐步去除噪声，直至浮现清晰画面。18LoRA（低秩适应）让基础模型学会新风格、新角色或新技能的轻量方法——一个小型附加文件，几小时即可训成，无需重训整个模型。19量化把模型权重从 16 位压缩到 8 位、4 位甚至更低——让大模型能在更小的硬件上运行，代价是轻微的质量损失。20分词器把文本切成 token 的组件——模型实际读取、生成与计费的最小单位。21混合专家（MoE）一种把每次请求路由到少数专家子网络的架构——以每个 token 更低的算力，达到前沿级质量。22向量数据库把文本（或图像）以数值向量存储、并在毫秒级找到最相似条目的数据库——RAG 与 AI 搜索背后的记忆层。23系统提示词在对话开始前发给模型的隐藏指令——定义它的角色、语气、边界与规则。24温度控制模型输出可预测性或创造性的旋钮——低值求准确，高值求多样。25Transformer 架构几乎当代所有 AI 模型（从聊天机器人到图像生成器）背后的神经网络架构，核心是一种名为注意力（attention）的机制。26RLHF（基于人类反馈的强化学习）让原始语言模型变得礼貌、有用且安全的训练步骤——用数千条“哪个回答更好”的人类评判来教学。27知识蒸馏训练一个更小更快的模型去模仿大模型——以极低的运行成本保留大部分质量。28护栏（Guardrails）AI 系统外围的安全层：在毒性输出、违禁话题、提示攻击与危险操作到达用户之前拦截它们的过滤器与规则。29工具调用模型使用软件的方式：不再只输出文本，而是发出结构化请求去调用计算器、搜索引擎、API——再把结果织入回答。30结构化输出让模型返回符合你 schema 的合法 JSON——这是演示与可上生产线的软件之间的差别。31少样本提示在提示词内“以例教学”：给模型看几组输入-输出对，它就会在新输入上模仿该模式——无需重新训练。32提示注入针对 AI 系统的入侵技术：把指令藏进模型读取的数据里，诱使其无视真正的命令——LLM 时代的 SQL 注入。33思维链（推理）让模型在作答前逐步推演问题——在数学、逻辑与规划上显著更强，代价是额外的时间与 token。34评测（Evals）对 AI 行为的系统化测试：固定的任务集与评分器，告诉你模型或提示词的改动是否真的变好了。35越狱（Jailbreak）一种精心构造的提示：诱使 AI 助手无视安全规则，产出其本应拒绝的内容。36视觉语言模型（VLM）既能读图也能读文的模型：发一张截图、图表、照片或示意图，用自然语言提问即可。37语音识别（ASR）把语音转成文本——会议转写、语音助手与字幕工具的底层能力，清晰语音的准确率已接近人类。38声音克隆从录音中生成特定人声的合成副本——如今几秒音频即可，这既是创作超能力，也是欺诈渠道。39落地依据（Grounding）把模型的回答锚定在可核验的来源上——你的文档、数据库或实时网络——而非信赖它的记忆。40小语言模型（SLM）紧凑型模型（约 1–13B 参数），经过调校以小博大——足够快、便宜且私密，能在手机、笔记本与边缘设备上运行。41潜在空间模型表征概念的内部数值空间——相近的点意味着相似的概念，沿某方向移动则平滑地改变概念。42局部重绘（Inpainting）只重新生成图像的选中区域——抹掉路人、替换产品、扩展背景——其余部分保持逐像素不变。43Checkpoint（模型检查点）模型权重的保存快照——下载开源模型时拿到的那种文件，也是社区在枢纽上分享的单位。44KV 缓存让模型为已读 token 保留“笔记”而无需重算的内存——长对话吞噬显存的原因。45重排序（Rerank）按真实相关度对检索结果二次排序的模型——严肃 RAG 与企业搜索背后安静的质提升。46AGI（通用人工智能）假想中能在几乎所有认知工作上比肩人类的 AI——整个行业宣称的目的地，也是争议最大的词。47谄媚性（Sycophancy）AI 助手附和你、恭维你、在反驳下放弃正确答案的习得倾向——人类反馈训练的直接副作用。48采样参数温度之外的旋钮（top-p、top-k、惩罚项），决定模型如何选词——调节输出的多样性、聚焦与重复度。49MCP（模型上下文协议）一个开放标准，让 AI 模型通过统一接口接入外部工具与数据源——“AI 应用的 USB-C”。50语音合成（TTS）把文本变成自然的语音——语音 AI 的输出半边，在许多语言上已与真人朗读难以区分。51AI 放大（Upscaling）把图像或视频放大到超出原始分辨率——从忠实的 2 倍锐化，到会“编造”可信新细节的生成式放大。52AI 水印嵌入 AI 生成内容中的隐形标记（或在内容上的显式标签），使合成媒体日后可被识别——AI 溯源的核心环节。53合成数据人工生成的训练数据——当真实数据稀缺、涉隐私或昂贵时，用模型输出或仿真来顶替真实记录。54端侧 AI完全运行在手机、笔记本或设备本体的 AI——不经过云端——用峰值能力换取隐私、低延迟与离线自由。55训练（预训练与后训练）创造模型的过程：预训练从海量文本学习语言，后训练把它塑造成有用的助手。56上下文工程超出“写提示词”的学科：决定什么东西进入模型有限的上下文窗口——指令、检索到的文档、工具结果、历史——以及按什么顺序。57注意力机制让模型为每个输出判断输入中哪些部分重要的机制——让现代 AI 成为可能的那一个想法。58指令微调用数千条“指令-回答”对微调基础模型，让它学会听懂要求——介于原始预测器与可用助手之间的那一步。59红队测试在对手之前蓄意攻击 AI 系统——越狱、提示注入、古怪边界情况——然后修复被攻破之处。60测试时计算在作答阶段投入更多算力——想得更久、多次采样、自我验证——而非只靠事前把模型做大。61AI 垃圾内容泛滥的低成本批量 AI 内容——清单体文章、假图、机器人评论——正日益污染搜索、信息流乃至训练数据。62AI 偏见从数据中学到的系统性不公：模型以机器规模重复并放大关于性别、种族、语言与文化的刻板印象。63人机协同（Human-in-the-Loop）设计 AI 系统，让人在正确的时机批准、纠正或接管——这是“你信任的自动化”与“你侥幸存活的自动化”之间的差别。64AI 检测器猜测文本或媒体是否机器生成的工具——可作信号，不可作裁判，且日益与抄袭指控纠缠。65模型合并把多个微调模型的权重合并为一个——无需再付一次训练成本即可融合技能。66分块（Chunking）在嵌入前把文档切成适合检索的小块——不体面却悄悄决定 RAG 答案质量的关键决策。67过拟合模型记住了训练样本而非学会模式——模拟考满分，遇到新题就脆。68数据标注每个 AI 系统脚下的人工劳动：给文本、图像与音频打标签，让模型有真值可学——一个数百万从业者规模的产业。69模型卡片AI 模型的营养标签：它是什么、用什么训练、如何评测、哪里失效——让模型可比较、可审计的文档。70AI 治理让 AI 系统可问责的规则、角色与审查流程——公司内部（政策、审计）与社会层面（如欧盟 AI 法案等监管）。71集成（Ensemble）组合多个模型的输出以得到优于任何单一模型的答案——多数投票、best-of-N 择优，或大规模的专家混合路由。72数据策展选择什么进入训练——过滤、去重与加权——在质量竞赛中如今与模型架构同等重要。