12个核心AI术语通俗解读

这份清单把AI领域最核心的专业名词做了通俗拆解，帮你快速看懂AI底层逻辑，以下按序号逐一解读：

1. 大语言模型（LLM）

AI的“大脑”，ChatGPT、Claude、DeepSeek这类模型都属于LLM。它通过海量文档训练，核心逻辑是根据上下文，预测接下来最可能出现的文字。

2. 幻觉

AI典型的“胡说八道”行为：模型会非常自信地输出完全错误、不存在的信息，根源是训练数据存在缺口，也是目前AI最难彻底解决的问题。

3. 标记（Token）

AI理解内容的最小单位，可能是一个词、词根或者单字。标记数量直接关联成本，企业使用场景中，Token越多，调用成本就越高。

4. 训练 vs 推理

- 训练：相当于给AI上课、灌输知识，这个过程成本极高；
- 推理：训练完成后，AI正式工作、回答问题的过程；
简单来说：先完成训练，AI才能开展推理工作。

5. 微调

基于通用大模型，投喂专属领域的特定数据，让模型在垂直场景变得更专业，是企业定制化AI最常用的手段。

6. 强化学习

模仿生物的奖惩式学习，AI通过不断试错、获得正向奖励，持续优化自身行为，也是让模型对齐人类偏好的核心技术。

7. 蒸馏

用强大的大模型（教师模型），去训练一个轻量小模型（学生模型），最终实现低成本、高速度、效果接近原版，是本地部署模型的关键技术。

8. 检索增强生成（RAG）

把私有文档接入AI，回答问题前先检索对应资料再生成内容，能大幅减少AI幻觉，也是目前企业落地知识库、AI问答的主流方案。

9. 思维链（CoT）

引导AI分步拆解复杂问题，像人做题一样逐步推导，虽然生成速度会变慢，但答案的准确率会显著提升。

10. 权重

模型存储知识的核心载体，是训练过程中不断调整的数字，模型学到的所有内容，都以权重的形式保存下来。

11. 验证损失

判断模型训练效果的核心指标，数值越低，代表模型学习效果越好，同时也能提前发现模型过拟合的问题。

12. 编码代理

不止能写出代码，还能自主完成测试、调试、排错的AI，就像一个不知疲倦的实习程序员，也是当下AI编程领域的热门方向。

一句话总结

这12个术语覆盖了大模型训练、定制化、落地应用、编程开发全流程，是看懂AI技术、看懂行业发展的基础。

AI十大趋势 AI行业解读 AI优缺点 AI技术解读 对ai的介绍 AI能力分级 AI高级用法