| 大语言模型（LLM） | Large Language Model，基于海量文本训练、能够理解与生成自然语言的 AI 模型，Grok 即属此类 |
| 生成式 AI | 能够生成文本、图像、音频、视频等新内容的人工智能，区别于仅做分类或预测的传统模型 |
| 多模态 | 模型可同时处理文本、图像、音频、视频等多种类型输入与输出的能力 |
| token | 模型处理文本的基本单位，一个 token 约对应一个词或词的一部分，中文通常一个字占一到多个 token |
| 上下文窗口 | 模型单次可处理的最大 token 数量，决定一次能"记住"的输入长度，Grok 4.3 支持百万级 token |
| 推理模型 | 在给出答案前进行多步思考的模型，擅长逻辑推导与复杂问题求解 |
| 链式思考（CoT） | Chain-of-Thought，模型分步展示推理过程而非直接给出结论的方式，可提升复杂任务的准确性 |
| 提示词（Prompt） | 输入给模型的指令或问题，其质量直接影响输出效果 |
| 提示工程 | Prompt Engineering，通过设计与优化提示词来引导模型产出更优结果的方法 |
| 零样本（Zero-shot） | 不提供任何范例，仅凭指令让模型直接完成任务 |
| 少样本（Few-shot） | 在提示中提供一到数个范例，引导模型按示例的格式或风格输出 |
| 系统提示 | System Prompt，预先设定模型角色、行为与约束的指令，作用于整段对话 |
| 幻觉 | Hallucination，模型生成看似合理但与事实不符的内容 |
| 知识截止日期 | 模型训练数据的时间上限，此后发生的事件需借助实时检索才能获知 |
| 智能体（Agent） | 能自主规划步骤、调用工具并多步执行以完成任务的 AI 系统 |
| 工具调用 | Tool Calling，模型调用外部功能（如搜索、代码执行、API）以扩展自身能力的机制 |
| MCP | Model Context Protocol，一种开放标准，用于将外部数据源与工具接入 AI 模型作为上下文 |
| 微调 | Fine-tuning，在预训练模型基础上用特定数据进一步训练，使其适配specific任务或风格 |
| 推理（Inference） | 模型根据输入实际生成输出的运行过程，区别于训练阶段 |
| 强化学习（RL） | Reinforcement Learning，通过奖励信号优化模型行为的训练方法，常用于提升推理与对齐能力 |
| SuperGrok | Grok 的个人付费订阅层级，解锁更强模型与更高额度 |
| Heavy | Grok 的重度模式，调用多个 AI 智能体并行协作处理高复杂度任务 |
| Imagine | Grok 内置的图像与视频生成功能 |
| 技能（Skills） | 将常用指令或工作流保存为可复用的能力包，随取随用 |
| 连接器（Connectors） | 将 Grok 接入邮件、日历、文件等外部工具，在对话中直接读取与操作 |
| 项目（Projects） | 为长期任务设定专属指令与背景的工作空间 |
| Grok Build | xAI 推出的终端编程智能体与 CLI 工具，可在命令行中规划并多步执行编码任务，面向 SuperGrok 与 X Premium+ 订阅者开放（Beta）；其内置的 Agent Dashboard 可集中管理多个并行的智能体会话 |
评论
0 条