术语表

LLM 不只文字，还能读取或输出图片、音频、视频这类其他种类的数据

LLM 用看似合理的自然文字说出不是事实的内容的现象，任何模型都无法降到零

让很多 LLM 解答案固定的共同题目，按正确的比例等来比较能力的考试

基准测试的题目或答案混进了模型的训练数据，使分数高于真实的实力

让 LLM 用 JSON 这类固定的形式给出回答，可以直接用在表格或程序中

作为模型内容的权重已公开、可以放在自己的电脑或服务器上运行的 LLM

根据人比较 2 个 LLM 的回答、选出较好一方的投票，把被选中的容易程度换算成分数的评价

LLM 在 1 次请求中一次能读的文字长度的上限，包括交给它读的文档和返回的回答两者

在提示词中展示几个回答的例子，传达希望它做的事的形式和标准的指令写法

让 LLM 不只写答案，还写出得出答案的中间步骤，多步的问题成绩容易提高

交给 LLM 的指令和问题的全部文字，答案会随指令、材料、限制、答案的形式的组合而变

被设计成在回答前先把中间的思考长篇写出来再给出答案的 LLM，思考多少就要多花多少时间和费用

决定 LLM 回答的随机程度大小的设置，低时回答相同，高时回答有变化

2 个值的差落在测量方法的偶然性可能造成的波动幅度之内，无法断定高低的状态

放在用户的问题之前、决定角色、语气和禁止事项的指令，对整个对话持续起作用

从发出问题到返回回答的等待时间，分成出现第 1 个字的时间和输出的速度 2 个方面来看

表示训练 LLM 所用的文本截至何时的时间点，模型不知道在那之后发生的事

开发者从程序使用 LLM 时支付的价格，由读入的量和写出的量的 token 数决定

从大量文本中学习词语之间的联系，以预测后续内容的方式生成回答和文本的大规模语言模型

在让 LLM 回答之前，找出与问题有关的文档一起交给它读，让它根据其中的内容回答的方法

LLM 读写文本时的最小单位，费用和一次能读的长度也由这个数决定