AI 术语，一句话说完
不读长文也能拿到答案：一句话定义 + 常见误解。要看细节的，点进去读词条。
A
B
用标准化题目衡量模型能力的分数。
榜单测不到你 90% 的日常工作。
C
把重复的长前缀缓存起来，省时间也省钱。
只对完全相同的前缀有效，改一个字就失效。
用两个向量的夹角衡量语义接近程度。
分数只有同一批资料内部比较才有意义，跨库比毫无意义。
让模型先写推理步骤，再给结论。
写出来的步骤不一定是它真实的计算过程。
D
用大模型的输出训练小模型，把能力压进小尺寸。
能学到风格与格式，学不到全部推理上限。
E
把文字变成一串数字向量，用来计算「像不像」。
它是检索的基础，不负责生成答案。
跑在手机或电脑本地的小模型，不联网也能用。
隐私更好，能力上限低于云端。
你自己准备的一批真实任务，用来比较模型好坏。
20–30 条真实任务，比任何榜单都准。
F
H
J
K
模型训练数据的时间边界，之后的事它不知道。
开了联网也一样，很多产品默认不联网。
L
只训练一小块附加参数来改变风格，成本很低。
适合风格与格式，不适合灌入大量新知识。
M
一套让模型统一接工具与数据源的开放协议。
它解决「接得通」，不解决「接得对」。
每次只激活部分专家网络，用更少算力跑更大模型。
总参数很大，不代表每次推理都很慢。
O
把图片里的字转成可编辑文本。
手写体、复杂表格仍然要人工校对。
模型把训练数据背了下来，换新数据就失灵。
微调数据太少、重复太多时最容易发生。
P
Q
R
回答前先生成较长内部推理的模型，擅长数学与代码。
慢且贵，改文案这类活用它不划算。
S
一个字一个字吐出来，而不是等全部生成完。
看起来快，总耗时其实差不多。
对话开始前设定角色与规则的隐藏指令。
不是安全边界，用户仍可能用注入绕过。
T
V
把看到、听到直接映射成动作的模型，机器人常用。
演示视频里的流畅，往往来自预设场景与剪辑。
存嵌入向量、按相似度找内容的数据库。
几百条资料用不上它，算一遍就够了。
W
Z
不给示例，直接描述任务。
简单任务够用；对格式有要求时几乎一定要给例子。
没有匹配的术语。试试更短的关键词，或用全文搜索。