预训练（Pre-training）
模型的“九年义务教育”——读遍互联网的文字，学会语言规律和世界常识。新闻里“训练一个模型花了几个亿”，钱主要烧在这一步。…
3 次浏览数据投毒（Data Poisoning）
往模型的“课本”里塞私货——在训练数据里埋进特定样本，让训练出的模型遇到某个触发条件就按攻击者的意思输出。…
4 次浏览少样本提示（Few-shot Prompting）
给 AI 看两三个例子再让它干活——“照这个样子来”，比空口描述要求管用得多。让输出格式稳定、文风到位的实用技巧，零成本即时生效。…
6 次浏览MCP（模型上下文协议）
AI 世界的“USB 接口”——以前每接一个工具都要定做一根线，MCP 定了统一插口：AI 一次接入，所有支持的工具即插即用。2025 年起的事实标准。…
15 次浏览System Prompt（系统提示词）
你没写过、但 AI 已经先读过的“幕后剧本”。产品方用它规定 AI 的性格、语气和行为边界，你看到的每一个“有性格”的 AI 背后都有它。想知道你的 AI 为什…
21 次浏览红队测试（Red Teaming）
雇一队“职业挑刺的”——发布前专门想方设法让 AI 说错话、泄密、越界，把漏洞自己先找完。大模型发布流程的标配安全环节。…
19 次浏览损失函数（Loss Function）
给模型打分的错题量化器——把“输出离正确答案有多远”算成一个数，训练的全部目标就是把这个数压下去。训练曲线上的 loss 线就是它。…
24 次浏览Mamba 与状态空间模型（SSM）
挑战 Transformer 的新秀架构——不逐字回翻全文，而是像记笔记一样把看过的内容压缩成一份状态往前带，超长上下文的另一种答案。…
24 次浏览测试时计算（Test-time Compute）
“多想一分钟再答题”的算力化——遇到难题让模型多思考、多尝试、多验证，用推理时的算力换正确率，推理模型的技术内核。…
23 次浏览课程学习（Curriculum Learning）
先易后难的教学法——训练时把数据从简单到难排序喂给模型，像小学到大学的课程表，让学习过程更稳、收敛更顺。…
21 次浏览重试与退避（Retry with Backoff）
调 API 被拒后的“礼貌再试”——失败后等一等再重试，越失败等得越久，别把故障服务雪上加霜，调用方的必修课。…
21 次浏览结构化输出（Structured Output）
让 AI 按表格或 JSON 的固定格式交作业——程序能直接读，不用从一堆散文里抠数据。AI 接入业务系统的必备能力。…
19 次浏览检查点与断点续训（Checkpoint）
给训练存个档——权重与优化器状态全量落盘，断电崩溃都能从上次进度接着练，跑数月的训练没它等于赌命，容错也是成本的一部分。…
19 次浏览指令遵循（Instruction Following）
听不听话的量化分——你说“用三句话、表格形式、别用感叹号”，模型能不能一条条做到，就是指令遵循能力。…
39 次浏览继续预训练（Continual Pre-training）
给模型“复读深造”——拿自己领域的大量文本接着预训练，让通用模型变成行业行家。介于预训练和微调之间的中间路线。…
27 次浏览