提示词版本管理（Prompt 版本化）
给提示词建“代码仓库”——哪个版本在架、改了哪一句、效果涨了还是跌了，全都可查可回滚，团队协作的纪律。…
3 次浏览越狱（Jailbreak）
绕过 AI 的“安全围栏”——用精心设计的话术把本该拒绝的内容套出来。攻防双方一直在斗智斗勇，做 AI 产品的人必须懂它。…
13 次浏览o 系列（OpenAI 推理模型）
OpenAI 的“先想后答”产品线——普通模型秒回，o 系列先憋一段思考再作答，专攻数学、代码、科学类难题。…
17 次浏览后门攻击（Backdoor Attack）
给模型装“暗门”——平时表现完全正常，输入里一旦出现约定的暗号，模型立刻按攻击者意图行事。潜伏性最强的模型安全威胁之一。…
34 次浏览Agent 评测（智能体评测）
考 AI 员工的绩效考核——不只看回答说了什么，还要看任务到底办没办成、步骤绕没绕路、烧了多少 Token，智能体落地的验收标准。…
39 次浏览长上下文评测（大海捞针）
给模型发一本小说，只在某页藏一句话，问它“针在哪”——大海捞针测试是长上下文能力的标配考卷，选长文本模型必看。…
42 次浏览评测基准（Benchmark）
给 AI 出的“统一考卷”——MMLU 考知识、HumanEval 考代码，新闻里“模型得分超越谁”用的都是这些卷子。也催生了“刷榜”这个行业词。…
44 次浏览多 Token 预测（MTP）
一次多交几份答案——模型每步同时预测后面几个词元，训练信号更密更远，推理时草稿头还能白捡一笔加速，DeepSeek V3 已内置。…
42 次浏览提示词工程师（Prompt Engineer）
和 AI 对话的职业——靠写好提示词拿高薪的岗位，2023 年爆火、随后争议不断：是刚需手艺，还是即将被模型进化淘汰的过渡职业？…
37 次浏览多智能体（Multi-Agent）
组个 AI 团队干活——写手的归写手、审稿的归审稿、拍板的归拍板，各司其职互相校验，比一个 AI 单打独斗更稳。…
38 次浏览中文权威榜单（SuperCLUE 类）
国产模型的“月考榜”——SuperCLUE、C-Eval 类中文语境题库定期排名，选型的中文参考系，看榜要看维度拆分与防污染机制。…
102 次浏览盲测评估（Blind Evaluation）
撕掉标签再打分——评审不知道回答来自哪个模型，位置与品牌偏见少一半，竞技场与企业选型都在用的公平手段。…
46 次浏览多模态评测（图文音视频基准）
考完文字考“看图听话”——图表问答、文档理解、视频与语音任务，多模态评测的成套考卷正在成型，判分远比纯文本难。…
49 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。…
54 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。…
60 次浏览