01 详细解释
这个概念强调的是「一个底座、多种用途」:预训练阶段不针对某个具体任务,只学通用的语言与世界规律,之后靠微调、提示词或工具接入适配到客服、编程、分析等场景。
它和「大语言模型」不完全等价——基础模型可以是多模态的,也可以是语音、图像的。之所以叫 foundation,是因为大量应用都建在它上面:底座换一代,上面的提示词、评测集、成本核算往往要跟着重做。
在海量通用数据上预训练、可被下游任务反复复用的大模型底座。
本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正
这个概念强调的是「一个底座、多种用途」:预训练阶段不针对某个具体任务,只学通用的语言与世界规律,之后靠微调、提示词或工具接入适配到客服、编程、分析等场景。
它和「大语言模型」不完全等价——基础模型可以是多模态的,也可以是语音、图像的。之所以叫 foundation,是因为大量应用都建在它上面:底座换一代,上面的提示词、评测集、成本核算往往要跟着重做。
同一个底座,改一份系统提示、接一套知识库,就分别变成客服助手和代码审查助手。
换底座时别只比跑分,先把现有提示词和评测集原样跑一遍,看哪些答案变了。
这些词几乎出现在每一篇入门材料里:token 决定成本,上下文窗口决定能塞多少,幻觉决定你敢不敢直接信。先把它们认全,后面读选型、读架构才不卡壳。