模型基础、能力与常见限制
大模型基础、调用与模型选择#FDE#第十阶段#大模型基础、调用与模型选择#模型基础、能力与常见限制约 937 字 · 3 分钟阅读
追问显示点击任意追问卡片可收起 / 展开
本阶段学习说明
培养方向： 客户现场的软件实现、系统集成与 AI 应用交付。
阶段定位： 理解模型生成的能力和限制，能完成有预算、有错误处理的调用，并根据客户任务选择和验证模型。
适用环境： Python、HTTP 或一种模型 SDK，以及模拟模型服务或可使用的测试接口。记录供应商、具体模型标识、接口与 SDK 版本；不要求购买指定服务或部署 GPU。
统一场景： 工单摘要、信息提取和分派建议，以固定脱敏样例验证结果、延迟及用量；正式写回仍由业务校验和授权流程控制。
题库结构： 100 道题及追问，分十组，附评分和实操建议；提供题目，不包含参考答案。提示与结构化输出、RAG、工具调用和完整评测分别在后续阶段深入展开。
答题约定： 区分模型生成、来源证据、程序校验与实际执行。Token、上下文、计费、流式事件和数据处理规则按当前接口核对，不背诵容易变化的最大值或价格。没有外部接口时，可用模拟服务完成调用与异常练习，明确模拟不能证明真实模型质量。
语言模型生成文本的基本过程怎样理解？
追问 序列预测与数据库查找有何区别？为什么输出自然流畅不代表事实正确？
预训练、微调与推理分别做什么？
追问 训练参数更新与请求中提供资料有什么差异？一次对话会自动长期训练模型吗？
Transformer 中的注意力可怎样解释？
追问 它如何利用序列关联？为什么不应把注意力权重直接当作事实可靠性？
基础模型与面向指令的模型有何差异？
追问 任务、输出和交互方式如何比较？客户应用应该验证什么实际行为？
生成模型与 Embedding 模型用途有何不同？
追问 文本回答与向量表示分别支持什么？接口与返回值能否直接互换？
多模态能力需要核对哪些输入条件？
追问 图片、音频与文件支持是否一致？怎样验证文件内容是否得到正确识别？
模型知识范围与客户实时数据怎样区别？
追问 新政策、内部记录和当前状态如何提供？怎样核实模型是否真的获得相关企业数据？
模型幻觉在工单场景中可能表现为什么？
追问 虚构编号、遗漏条件和无依据建议有何影响？怎样用来源与校验发现？
生成内容与真实业务操作有何边界？
追问 文本“已关闭工单”是否代表系统完成写入？哪一层保存和核验执行结果？
怎样向客户说明模型能力而不作过度承诺？
追问 样例、失败与适用范围如何展示？什么结果还需要进一步验证？