换个角度想
大语言模型像一位读过整座图书馆的「接话高手」：你说上半句，他凭读过的无数文字，接出最可能的下半句。读得够多，接出来的往往就是对的答案；但他是在接话，不是在查书，所以偶尔会接出一句听着很像、其实不对的话。
术语 · AI
大语言模型
LLM
用海量文字训练出来、靠「预测下一个词元」来生成内容的模型。ChatGPT、Claude、DeepSeek、豆包背后都是大语言模型，常简称「大模型」。
根据前文，一个词元一个词元地往下接
见过的问题没见过的问题它只会往下接
概率集中概率分散没见过也会接，接出来的只是「像」答案
- 交给模型的前文
前文「中国的首都是」交给模型的前文前文「我家猫的名字是」 在训练数据里见过无数次
下一个词元的概率高度集中
训练数据里不可能有你家的猫
概率分散在一堆常见猫名上
- 「北京」96%，稳稳接上「咪咪」只有 8%，也照样接上了
- 又稳又准见过的知识，接得几乎不会错这正是大语言模型擅长的事像答案而已没见过也会接，不会主动说不知道这就是幻觉的来源
你的问题被切成词元送进模型
什么时候会遇到它
聊天助手
ChatGPT、豆包、Kimi、Claude 的对话框背后，都是一个大语言模型在一个词元一个词元地生成。
写作和整理
写邮件、做总结、翻译、改写，本质上都是让它根据你给的内容往下接。
写代码
代码也是文字。Vibe Coding 用的编程助手，背后同样是大语言模型。
想一想
问 AI「strawberry 里有几个 r」，它有时会答错。这么强的模型，为什么会在简单的数数上出错？
看答案
它看到的是词元，不是一个个字母。「strawberry」可能被切成两三块，它并没有逐个字母去数，而是凭印象接话。让它先把单词逐个字母拼出来再数，或者让它写段代码来数，就准了。
最容易踩的坑
大语言模型不是搜索引擎，也不是数据库。它的回答是「生成」出来的，不是「查」出来的，所以说得流畅不代表说得对。需要准确事实时，让它联网检索，或者把资料直接发给它。