本章进度 7 / 19
37%
正文已完成
L045把参数理解成学到的权重而不是资料库
用连接权重的直觉理解参数如何塑造预测，同时避免把它想成可检索的事实条目。
先用本课建立“参数与能力”的基本直觉，后面的判断和练习才不会只靠记结论。
建议按完整课程顺序先看上一课；如果术语陌生，可以随时回补。
- 无需安装新工具
- 直接阅读并完成本页理解检查
参数是训练后得到的大量数值，它们共同改变模型对序列的预测。它们不是一排能直接查询来源的百科条目。
能解释模型参数与数据库记录的差别，以及为什么参数多不等于事实永远正确。
核心概念
先把关键判断说清楚
参数编码统计模式
大量权重共同表示语言、概念和任务规律，单个参数通常没有独立可读含义。
容量不等于可追溯记忆
更多参数可能提高表达与推理能力，却不会自动提供事实来源或更新时间。
架构与数据共同作用
能力由参数规模、架构、训练数据、训练方法和推理系统共同决定。
案例拆解
把大模型当成最新法规数据库
团队认为参数更多的模型必然知道所有现行规定，直接用回答替代法规检索。
- 01
区分学到的模式与当前权威事实
- 02
要求法规问题检索官方材料
- 03
把模型用于解释与对比而非充当唯一来源
案例结果
模型能力用于理解文本，时效与证据由可更新来源负责。
提交前练习
现在轮到你
用一个不涉及数学的比喻解释参数，并指出比喻的边界。
选做练习：本节练习可用于加速你巩固，但不影响继续学习。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
参数像调音台上大量旋钮，共同塑造输出倾向；它能解释分布式影响，但不能把每个旋钮对应成一条可查询事实。
评分标准
- 强调共同作用
- 不把参数等同数据库
- 主动说明比喻局限
本课收口 · 理解检查
用 30 秒确认你理解了
用 30 秒理解检查确认你抓住了重点；阅读标记、练习和总结都不设硬门槛。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- Attention Is All You Need↗paper · 核对日期 2026-08-23
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile↗standard · 核对日期 2026-08-23