模型原理：大模型 LLM 的生成方式

大语言模型属于深度学习

人工智能 Artificial Intelligence 是让机器完成感知、推断和决策等任务的技术领域，简称 AI。符号人工智能 Symbolic AI 通过人写的符号和规则推导结果；机器学习 Machine Learning 从数据中学习规律，再处理新的输入。规则系统和学习系统可以组合使用。

深度学习 Deep Learning 属于机器学习，采用多层神经网络。大语言模型 Large Language Model 是主要处理和生成语言的深度学习模型，简称 LLM，后文称大模型。生成式人工智能 Generative AI 按产出内容划分，指生成文字、图像等新内容的技术，当代常见实现大量采用深度学习。下图只画人工智能、机器学习、深度学习三者的包含关系，大语言模型放在深度学习内部。生成式 AI 按产出什么来分，深度学习按怎样实现来分，因此图中没有单独的生成式 AI 圈。

识别把输入归入类别，预测根据已有数据估计未知结果，生成则产出新内容。

变换器 Transformer 采用注意力机制计算文字之间的关联。采用相近结构的模型，训练材料、规模和后续训练不同，能力也会不同。

词元 Token 是模型切分、处理和计量信息的基本单位，文字词元可以是汉字、词语、词的一部分或符号。输入文字先被切成词元，每个词元再转成一组供模型计算的数值。

注意力机制 Attention 让一个位置按相关程度汇集其他可见位置的信息。模型计算每个位置对其他位置给多大分量，再按这些分量把各位置的数值加起来，送入下一层计算。这样，一个词元的计算就能利用前文中相隔较远的信息。生成式语言模型通常只读取当前位置之前的信息；训练时整段文字已知，各位置可同时计算，回答时后文尚未产生，只能逐个生成。长材料中的遗漏依然需要检查。

内部参数保存训练所得规律

训练时，模型依据前文预测下一个词元，训练程序把候选概率同文本中真实的下一个词元比较，根据差距计算参数怎样调整，反复更新。参数是参与模型计算的内部数值；反复调整后，模型学到词语如何搭配、句子如何组织等规律，能够组合出材料里没有完整出现过的句子。材料中的错误、遗漏和旧信息也会影响回答。

预训练 Pre-training 是从大量材料学习一般规律的训练过程。指令微调 Instruction Tuning 再用任务说明和回答样本训练模型，使它更适应按要求作答。训练完成后，日常回答通常使用既有参数计算，当前上传的文件进入本次输入；公司核查产品条款中的对话保存、训练使用及开关设置，才能判断上传内容还会怎样使用。

每个词元都依据前文计算

模型依据输入和已生成内容，计算下一个词元的候选概率。这些概率表示本步各候选被选中的机会，任务说明和参考材料都会影响它们。

选出的词元接入末尾，成为下一次计算的前文。这个过程持续到模型生成结束标记，或触及应用设定的输出长度等停止条件。整篇回答由这些局部选择逐步形成，输入资料改变，后续候选的概率也会改变。

采样使相同输入产生不同措辞

采样 Sampling 按候选词元的概率抽取一个，概率高的更容易被选中，但不一定选概率最高的。同一步选中不同词元，后文的计算基础也随之变化，因此相同输入能够得到不同措辞。多次回答一致只能说明输出较稳定，事实真伪靠原文、系统记录或独立计算核验。

模型收到的任务说明、本次资料和已传入的历史内容，共同影响回答。A02 任务交代：提示词 Prompt 与上下文 Context 讲这些输入怎样组织，本单元解释模型怎样利用它们继续生成。

采样参数改变候选分布

词元数和汉字数没有固定换算关系。不同模型的分词方法不同，同一段文字的词元数也会不同。

温度 Temperature 是调节候选概率分布的参数。温度较高，候选之间的概率差距缩小，低概率词元更容易被选中；温度较低，选择更集中在高概率词元上。核采样 Nucleus Sampling 通常用参数 top_p 控制：候选按概率从高到低排列，保留累计概率达到阈值的一组，再从中选取。两项参数都影响多样性；具体比较方法见 A05 任务编排：工作流 Workflow、智能体 Agent 与技能 Skills。图中用同一尺度比较概率高低，以累计概率首次达到阈值的位置划开保留集合。

最大输出长度限制回答可以生成的词元数，触及上限会使内容截断。输入历史越长、输出越多，通常消耗更多计算和词元，等待时间及使用费用也随之变化。参数选择围绕具体任务比较，低温度和短回答都缺少事实正确的保证。

摘要改写会省去原文细节

摘要压缩信息，改写调整表达，翻译改变语言。模型在这些任务中把原文转成另一段文字，生成时会选择、合并或省略信息。遗漏一个条件或否定词，句子依然可以完整，含义却已改变。

原文中的对象、数量、限制和例外，是检查改写结果的依据。核对时逐项比较这些信息是否保留，比只读成稿更容易发现偏差；语言是否流畅和信息是否完整，分别检查。

视觉输入会丢失小字细节

多模态 Multimodal 指模型能够处理文字、图像、声音等多种形式的信息。视觉模型 Vision Model 处理图像信息，支持视觉输入的系统按模型要求缩放图片，将图像区域转成数值，同问题一起交给模型。高分辨率图片被缩小时，小字的笔画和相邻行列的分界可能丢失细节，因此备注容易漏读，表格容易串行。

教学示例：排课表扫描件的时间旁标着“暂定”，模型漏读这个词，后续通知就会把待确认安排写成定案。核对原图中的时间及其备注，可以定位最初的识别错误。

深度思考增加推导计算

推理 Reasoning 是从已知条件推导结论的能力。深度思考模式通常先生成一段中间推导文字，拆分问题、比较条件，再给出最终回答。这段推导同样按词元生成、计入输出用量，因此增加等待时间和长度消耗，适合约束较多的任务。

输入缺失和推导失误是两类错误。遗漏的前提需要补充材料，错误的推导需要检查步骤；增加计算无法恢复根本没有读到的条件。界面展示的说明便于检查部分过程，结论依然需要回到原始条件验证。

应用链路可以使用不同模型

同一应用中的图片理解、文档解析、问题改写、任务规划和回答生成，可以分别调用不同模型，也能由同一模型承担多项工作。应用负责把前一步的结果送给后一步；识别环节漏掉的备注会继续传递，末端回答再完整，也要回查前面的材料。

聊天入口收发文字，应用平台组织输入，通过模型接口取得生成结果；接口的含义见 A04 系统操作：工具调用 Tool Use 与 MCP。平台还可连接知识管理系统取得资料，连接机器人流程自动化 Robotic Process Automation，简称 RPA，按固定步骤点击和录入。图中这些请求都从应用调度发出，结果也返回应用调度，随后送回聊天入口。

多步任务怎样组织成智能体，见 A05 任务编排：工作流 Workflow、智能体 Agent 与技能 Skills，本处只区分模型生成、应用调度和软件执行的职责。

幻觉内容可以写得完整流畅

幻觉 Hallucination 指看似合理、却与事实或给定材料不符的生成内容。模型按候选概率生成语言，计算中没有自动核实每句事实的保证。训练数据有错、本次信息不足或生成偏离材料，都能引出这类错误。

回答中的引文、网址和条款名称也属于生成内容，完整的出处格式仍有编造的可能。核查时打开原文，确认内容能否支持结论、版本是否适用。

训练知识有截止日期

模型的训练材料覆盖一定时间范围，知识截止日期标示该版本训练知识的时间边界。之后的变化无法单靠既有参数可靠回答，截止日期之前的知识也会遗漏或记错。具体日期查模型版本的官方说明。

公开搜索补充公开的新资料，本次上传文件补充任务材料，内部实时状态通过获准的系统查询取得。搜索结果还需要核对来源和时效；生成时能够读到什么，决定了本次回答可利用哪些信息。

数字清单容易出错漏项

模型直接生成数字时，也按词元选择后续内容，进位、单位和多步计算容易出错。确定性程序 Deterministic Program 按明确规则计算结果，金额计算交给计算器或既定公式，时间交给系统时钟或日历，编号交给业务系统生成，格式按预定规则校验。模型读取这些结果后再组织说明，数字和说明分别核对。

长清单还会遗漏、重复或混用相邻条目的信息。总数相同也能同时存在重复项和缺项，逐项比较编号、对象和数量更有助于发现问题。A06 数据安全：资料外发与出错处理 讲资料外发及核对办法，本单元说明错误为何会出现在生成的回答中。

内部草稿便于比较不同措辞

内部草稿用于比较表达、整理观点或形成初稿，修改空间较大。模型可承担起草和改写，事实、条件和承诺在转为正式内容时重新核对。草稿里的一项安排，要经过原有业务确认程序才生效。

同一模型生成的文字，用途变化后，出错后果也会变化。B01 应用方式：AI在企业中的三种用法 讲企业里的应用方式，本单元按文字用途区分核查范围。

对外承诺会改变客户行动

对外内容会影响收件人的付款、寄件和时间安排，因此核查同时覆盖事实和批准范围。每项金额、日期、状态和承诺，都对应可查的原文或业务记录。记录缺失的事项标成待确认，获得支持后才向外确认。

核查从成稿中的具体陈述出发，逐项查回依据。表述越明确，所需的支持也越具体；“正在审核”和“已经批准”各自对应不同业务状态。

内容类型决定核查依据

以下核对表可以直接复制使用。

这张表检查成稿内容，实际发送对象及资料外发范围见 A06 数据安全：资料外发与出错处理。

一句话记住模型按词元逐个生成，通顺与事实成立分别判断，用到的事实逐项查回原文、记录和独立计算。

以下为中文官方技术文档与培训课程，访问日期 2026-10-24。

1. 《Token 用量计算》，DeepSeek，更新日期：未标日期。网址：https://api-docs.deepseek.com/zh-cn/quick_start/token_usage
2. 《文本生成》，阿里云百炼，更新日期：2026-10-21。网址：https://help.aliyun.com/zh/model-studio/text-generation
3. 《图像与视频理解》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/vision
4. 《深度思考》，阿里云百炼，更新日期：2026-10-22。网址：https://help.aliyun.com/zh/model-studio/deep-thinking
5. 《联网搜索》，阿里云百炼，更新日期：2026-10-18。网址：https://help.aliyun.com/zh/model-studio/web-search
6. 《文生文Prompt指南》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/prompt-engineering-guide
7. 《ADP 前沿部署工程师（FDE）认证课程》，腾讯云，更新日期：未标日期。对应节页：1.1《AI 基础》 https://cloud.tencent.com/edu/learning/course-4742-84527-84531 （原独立页 https://cloud.tencent.com/edu/learning/course-4742-84531）；1.2《大语言模型的进化之路：从“会接龙”到“会做事”》 https://cloud.tencent.com/edu/learning/course-4742-84527-84532 （原独立页 https://cloud.tencent.com/edu/learning/course-4742-84532） ；1.3 https://cloud.tencent.com/edu/learning/course-4742-84527-84533 ；2.1 https://cloud.tencent.com/edu/learning/course-4742-84528-84534 ；2.2上 https://cloud.tencent.com/edu/learning/course-4742-84528-84535 ；3.1 https://cloud.tencent.com/edu/learning/course-4742-84529-84539 ；3.2 https://cloud.tencent.com/edu/learning/course-4742-84529-84540 ；4.5 https://cloud.tencent.com/edu/learning/course-4742-84530-84549 。