大模型（LLM）听起来高深，但核心思想可以用一句话概括：根据上文预测下一个字。今天用最通俗的方式讲清三个高频词。
Token（词元）是什么？
模型不直接读汉字，而是把文本切成小块（Token）。中文里一个字大约等于 1-2 个 Token。你输入的每句话，都会被切成 Token 序列再处理。这也是为什么”上下文长度”用 Token 衡量。
参数（Parameters）是什么？
参数是模型的”大脑神经元连接”，数量越多，模型能记住的规律越复杂。7B 就是 70 亿参数，671B 就是 6710 亿参数。参数越多通常越”聪明”，但推理成本也越高。
注意力机制（Attention）是什么？
读句子时，模型会计算每个词和其他词的相关程度——这就是”注意力”。比如”他打开银行账户”，”账户”会重点关注”银行”。注意力机制让模型能抓住长距离的关联，是 Transformer 架构的核心。
💬 讨论话题：你还想了解哪些 AI 名词？评论区留言，我们挑热门话题出专题解读。