本课内容
- 大语言模型如何工作
- 「幻觉」是什么意思
重点回顾
- 1LLM 从上下文预测下一个词元
- 2它可以听起来很自信但实际上是错的
- 3在行动之前始终验证 AI 输出
课程摘要
大语言模型会根据上下文预测可能的下一个 token。
思维模型
理清 大语言模型
大语言模型会根据上下文预测可能的下一个 token。它能提供有用的推理辅助，但它并不像数据库查找那样「知道」真相。.
- 大语言模型如何工作
- 「幻觉」是什么意思
核心机制
如何理解 大语言模型
文本会被拆分成 token，并经由训练好的神经网络处理。.
模型会根据统计模式与上下文生成输出。.
检索、工具与验证能提升可靠性，但并不能取代核实的必要性。.
- LLM 从上下文预测下一个词元
- 它可以听起来很自信但实际上是错的
- 在行动之前始终验证 AI 输出
实例
观察 大语言模型 的运作
LLM 可以帮你摘要一份协议文档，但用户仍应从原始来源核实合约地址、手续费数字与风险说法。.
请牢记决策规则：用 LLM 加速研究，然后核实每一项会影响资金或风险的事实。.
常见误区
大语言模型 如何让学习者绊倒
流畅的文本让人感觉很权威。这在金融领域格外危险，因为一句自信的话仍可能是捏造或过时的。.
风险提示
读懂 大语言模型 中的风险
幻觉、过时信息、提示注入，以及隐藏的假设，都可能导致糟糕的交易或安全决策。.
- 解释下一个 token 的预测方式。
- 找出一项幻觉风险。
- 在模型之外核实关键事实。
实践练习
把 大语言模型 变成习惯
- 解释下一个 token 的预测方式。
- 找出一项幻觉风险。
- 在模型之外核实关键事实。
复习
关键术语
- 大语言模型（LLM）
- 通过上下文预测和生成文本的 AI 模型。
- 机器学习
- 从数据中学习规律的算法，而非被明确编程。
- 神经网络
- 松散受大脑启发的分层模型，深度学习的核心。
- 回测
- 在历史数据上测试策略，然后再冒险真实资金。
参考来源
编辑参考资料
这些参考资料是验证本课所涉机制、风险核查与产品背景的基础。
nist.gov/publications/artificial-intelligence-risk-management-frameworkNIST AI 风险管理框架（AI RMF 1.0）提供 AI 系统可信度评估框架，包括鲁棒性、可解释性与偏差检测，适用于金融 AI 风险分析。owasp.org/www-project-top-10-for-large-language-model-applicationsOWASP 大语言模型应用 Top 10列举 LLM 应用的十大安全风险，包括提示词注入、幻觉输出及不安全的工具调用。developers.gaiaex.comGaiaEx 文档GaiaEx API 官方参考，涵盖身份认证、订单提交、账户管理及现货、永续合约端点。developers.gaiaex.com/securityGaiaEx 安全与自托管说明 MPC 钱包架构、EIP-712 签名流程及 GaiaEx 非托管模式下用户的自主控制原则。
继续之前
你能做到以下这些吗？
- 解释下一个 token 的预测方式。
- 找出一项幻觉风险。
- 在模型之外核实关键事实。
相关学习内容
继续阅读
检查点
完成本课
通过检测以保存进度，然后依次继续本轨道的学习。
知识检测
1 / 2确认完成本课
答对所有题目方可完成本课。
大语言模型预测……