从训练后的权重，到一次回答所需的信息，理解大模型在使用时怎样工作。
训练，是利用数据调整模型，让它学到其中的规律。推理，是使用训练好的模型处理当前输入、产生输出。
训练通常发生在模型投入使用之前，也可能在后续更新中继续进行。你每次提问时，一般是在使用模型进行推理。
聊天会为当前回答提供新信息；重新训练则会调整模型的权重。日常聊天时，模型主要利用你提供的信息完成当前任务。
不是。在模型运行的语境里，“推理”也叫 inference，泛指模型处理输入、产生输出的过程；它可能只是识别一张图或回答一句话。讨论解题能力时，“推理”才常用来指 reasoning，也就是逻辑分析等能力。
是否用于后续训练，取决于产品的数据政策、账号类型和相关设置。“这次聊天不会实时改变模型”与“数据以后是否用于训练”是两个问题。
权重是模型内部的一组数值。训练会调整这些数值，使模型逐渐形成处理信息的能力。初学时，先把它理解为训练后形成的参数就够了。
对于已经训练好的某个模型版本，日常回答问题时，权重通常不会改变。要改变这些参数，一般需要另外进行训练或更新。
通常不会。你的纠正主要影响当前对话，其他用户仍在使用原来的模型版本。
可以先理解为经过某次训练和发布的模型。后续更新可能形成新的版本。产品名称、模型名称和具体版本是不同层面的信息，同名产品也可能更换内部使用的模型。
可能是上下文不同，也可能涉及模型版本、产品设置或可用工具变化。生成过程本身也可能带来差异。一次回答表现不同，不足以证明模型整体变强或变弱。
一次回答可以先理解为：系统把本次可用的信息提供给模型，模型利用已有能力处理这些信息，再生成输出。
输入不只有你刚打的一句话，还可能包含产品设置的指令、先前对话、参考资料和工具结果。这些当前可参考的信息，统称为上下文。
因为产品通常会把相关前情也提供给模型。模型虽然在处理你最新的问题，但它实际获得的输入可能比这一句话多得多。
历史对话、产品指令、记忆内容和工具结果，都可能成为额外输入。比较两次回答时，可以一起查看这些背景条件。
产品负责组织输入和调用模型，也可能提供不同工具。即使模型相同，当前收到的信息和执行条件也可能不同。
生成，是模型依据学到的规律和当前输入，逐步产生输出内容的过程。
以常见的语言模型为例，它会根据已有内容，反复预测接下来可能出现的片段，逐步组成回答。
通常不是。模型生成回答，与从数据库里取出一条完整答案不同。产品也可能先检索资料，再让模型结合资料生成回答。
不一定。同一个要求往往有多种合理表达，生成过程也可能包含随机选择。另外，两次使用的模型版本、历史对话和工具结果也会影响回答。
模型在大量数据中学到了语言表达、知识联系和常见任务的规律。预测后续内容时，它会利用这些规律，因此能够完成回答问题、归纳信息等任务。
“重新生成”通常是按当前条件再生成一次回答。如果希望修改某个地方，可以直接指出具体问题，再让 AI 调整。
回复时间受到网络、服务排队、输出长度和工具执行等因素影响。有些模型还会投入额外计算进行分析，因此等待时间会有差异。判断回答质量，可以看它是否解决了你的问题。
“模态”可以先理解为信息的形式，例如文字、图像、声音。多模态，就是能够处理多种信息形式。
一个模型可能同时接受文字和图片，也可能支持声音等输入。能接受哪些输入、能产生哪些输出，需要分别看。
不是。不同模型支持的信息形式不同，产品开放的功能也可能不同。是否能上传某类文件，还不能单独证明模型能够完整理解其中所有内容。
理解图片是处理输入，生成图片是产生输出。模型具体支持哪种能力，可以查看产品提供的功能。
产品会通过画面、字幕或音轨等方式读取视频。可以先了解它读取了哪些内容，再提出相应的问题。
训练形成模型能力；对于已训练好的版本，日常回答时权重通常不变。系统为每次回答提供当前信息，模型结合这些输入生成结果。同一个要求可以有多种合理输出。