大模型术语词典——120 个核心概念速查
面向初学者的 LLM 术语速查。收录 120 个核心概念，按模型结构、推理、上下文、评估、应用、安全六类编排，每词列中英文对照、释义与常见误用。
大模型术语词典概念速查2026Q3
分类：入门与导航 › 核心概念词典
发布于 2026-09-22
20 次浏览
说明
本词典覆盖 2026 年 9 月大模型领域 六大类共 120 个核心术语，每个词条含"术语 + 一句解释 + 常见误用场景"。使用方式：遇术语先看中英对照与"误用"，可排查表述错误还是概念混淆。六大类：①模型结构与训练 ②推理与部署 ③上下文与记忆 ④评估与对齐 ⑤应用与架构 ⑥安全与合规。
不包含
- "大模型训练相关术语"中的分布式训练细节（ZeRO 系列 / FSDP / 混合并行），本篇不展开，参考相关章节
- "多模态相关术语"中的CLIP / DINOv2 / SigLIP 等视觉模型，参考相关章节
- "推理框架相关术语"中的vLLM / SGLang / TensorRT-LLM 特有术语，参考相关章节
这 3 板块各有专门的主题文章覆盖，本篇只覆盖"通用 + 高频"的 120 个术语，用于速查与防误用。
一 术语分类
1.1 模型结构与训练（25 个）
| 术语 | 一句话解释 | 常见误用 |
|---|---|---|
| Transformer | 2017 Google 提出的神经网络架构，核心是自注意力机制（Self-Attention） | 误用：把"Transformer"当作"大模型" |
| Decoder-Only | 只用解码器生成序列（如 GPT、LLaMA、Qwen） | 误用：与 Encoder-Only(BERT）混淆 |
| MoE(混合专家) | 多个子网络（专家）按需路由，激活参数远小于总参数 | 误用："激活参数小" ≠ "显存小" |
| MoE 路由（Router） | 根据输入 token 选择激活哪几个专家 | 误用：把"路由"理解为"分类" |
| 同参数量 | 训练参数总数，决定模型大小 | 误用：把"同参数量"当作"文件大小" |
| 稠密模型（Dense） | 每个 token 都会激活全部参数 | 误用：与 MoE 区分不清 |
| ReZero / ReLU | 激活函数 / 残差连接变体 | 误用：把 ReZero 误当 ReLU |
| Layer Norm | 对层输入标准化，稳定训练 | 误用：与 Batch Norm 等同 |
| 残差连接（Residual） | 跳过若干层，让梯度 / 信息流更短 | 误用：把"跳层"当作"删层" |
| 位置编码（Positional Encoding） | 让 Transformer 感知 token 顺序（旋转 / 正弦 / 可学习） | 误用：把"位置编码"理解为"输入顺序" |
| 旋转位置编码（RoPE） | 用旋转矩阵编码位置信息，跨长度泛化更好 | 误用：把 RoPE 当作"分页编码" |
| 注意力头注意力（Attention Head） | QKV 矩阵被切分为多个头，各自独立计算 | 误用："头"数与"GPU 核"数混淆 |
| Head Dim | 每个注意力头的维度，决定了单次注意力的内存占用 | 误用：与 embedding dim 混同 |
| MLP 层 | Transformer 块内的两层全连接（FFN / FFN 变体） | 误用：把整个 Transformer 叫 MLP |
| 交叉注意力（Cross-Attention） | Q 来自 Encoder,K/V 来自 Decoder(如 LVLM) | 误用：把 Encoder-Decoder 全部叫 cross-attention |
| 自注意力（Self-Attention） | Q/K/V 都来自同一序列 | 误用：把"注意力" = "记忆" |
| Embedding 词嵌入 | 把 token 映射到连续向量，是模型的"记忆" | 误用：把 embedding 当作"词向量" |
| Tokenizer | 把文本切成 token 表（字节对编码 / BPE / SentencePiece） | 误用："切字" ≠ "切 token" |
| Token 多 | 已训练好的"单位"，是词嵌入查表单位 | 误用：把"token"当"句子" |
| 上下文窗口（Context Window） | 模型一次能"读"到的最大 token 数 | 误用：把"上下文窗口"当作"最长回复" |
| Context Length | 单次推理时能携带的最大 token 数 | 误用：与"训练长度"混淆 |
| Pretraining(预训练) | 用大量语料无监督训练出基础模型 | 误用：把"预训练" = "第一阶段" |
| Instruction Tuning(指令微调) | 用问答对训练，让模型遵循指令 | 误用：把"指令微调"当作"从 0 开始训" |
| SFT(监督微调) | 用带标签数据微调，比指令微调范围更大 | 误用：把"SFT"叫成"训练" |
| LoRA(低秩适配) | 只微调低秩增量矩阵，大幅降低微调成本 | 误用：把 LoRA 当作"少样本学习" |
1.2 推理与部署（20 个）
| 术语 | 一句话解释 | 常见误用 |
|---|---|---|
| 推理（Inference） | 用训练好的模型做前向计算，产出 token 序列 | 误用：把"推理"当"训练" |
| 生成（Generation） | 逐 token 自回归地生成输出 | 误用：把"生成"与"翻译"混同 |
| 逐 token 生成（Autoregressive） | 每次只生成 1 个 token，基于之前全部历史 | 误用：把"逐 token"当作"快速" |
| 解码策略（Decoding） | 控制"下一步选哪个 token":greedy / beam / top-p / top-k | 误用："解码" = "编码"混淆 |
| Temperature | 控制输出概率分布的"锐度",1.0 以下偏确定， | 误用：把数值当"速度" |
| Top-P(核采样) | 只从累积概率达到 P 的 token 池里采样 | 误用："P" = "概率"读错 |
| Top-K | 只从概率最高的 K 个 token 里采样 | 误用："K" = "K-means" |
| Beam Search | 同时探索多个候选路径，适合翻译 / 代码 | 误用：把 beam 当"快速" |
| Greedy Decoding | 每步选概率最大的 token，确定性最强 | 误用：把 greedy 当"最优" |
| PagedAttention | 把 KV Cache 分页，减少内存碎片，提升并发吞吐 | 误用："分页" = "分页不存"耐 |
| Batch Size | 单次推理 / 训练的 token 处理数量 | 误用："batch" = "批次大小"机械翻译 |
| Continuous Batching | 动态拼接新请求，提升 GPU 利用率 | 误用："连续" = "不停" |
| Speculative Decoding | 用小模型先猜 N 步，大模型一次验证，加快速度 | 误用："投机" = "猜" |
| Quantization(量化) | 把权重 / 激活从 FP32/FP16 降到 INT8/INT4 | 误用："量化" = "压模型" |
| AWQ(激活感知量化) | 按激活权重重要性做 4-bit 量化 | 误用：把 AWQ 当作"官方量化" |
| GGUF | llama.cpp 的量化格式，按 Q2/Q4/Q8 分精度 | 误用：把 GGUF 当作"模型格式"通用名 |
| Tensor Parallel | 把模型层切到多卡，每卡存一部分层 | 误用："张量并行" = "层并行" |
| Pipeline Parallel | 把多层分到多卡，像流水线一样并行 | 误用："流水线" = "顺序处理" |
| NCCL | NVIDIA 集体通信库，多卡带宽与同步核心 | 误用：把 NCCL 当作"驱动" |
| MoE All-Reduce | MoE 路由后多卡合并专家的通信算子 | 误用："all-reduce" = "reduce-all" |
1.3 上下文与记忆（15 个）
| 术语 | 一句话解释 | 常见误用 |
|---|---|---|
| Context Window | 模型一次能"读完"的最大 token 数（4K / 8K / 32K / 128K） | 误用：与"上下文窗口长度"混用 |
| KV Cache | 把已计算的 Key/Value 向量存起来，避免重算 | 误用："KV 缓存" = "GPU 缓存" |
| 滑窗注意力 | 只关注最近的 K 个 token，限制注意力范围 | 误用："滑窗" = "截断" |
| 注意力池化（Attention Pooling） | 对序列做特征池化，用于检索 / 向量化 | 误用："池化" = "批量" |
| 截断（Truncation） | 超长输入被裁掉，丢失信息 | 误用："截断" = "变短" |
| Summary 记忆 | 用摘要代替原始历史，节省上下文 | 误用："摘要记忆" = "压缩记忆" |
| 短期记忆（Short-term） | 当前对话窗口内的内容 | 误用："短期" = "几小时" |
| 长期记忆（Long-term） | 跨会话的持久化记忆（向量库 / 数据库） | 误用："长期" = "几个月" |
| 工作记忆（Working Memory） | 处理中"活跃使用"的信息，类比人脑工作记忆 | 误用："工作" = "职场" |
| 记忆压缩（Memory Compression） | 把记忆压成低维 / 摘要，牺牲精度换空间 | 误用："压缩" = "删除" |
| 检索增强（Retrieval-Augmented） | 先把相关信息检索出来，再喂给模型 | 误用："增强" = "增强能力" |
| Context Cache | 服务端缓存同前缀的 KV Cache，命中可省 10-30 倍成本 | 误用："上下文缓存" = "会话缓存" |
| 命中率（Hit Rate） | 缓存命中次数 / 总请求次数 | 误用："命中率" = "准确率" |
| Prompt 前缀（Prompt Prefix） | 多个请求共享的头部 token，适合做缓存 | 误用："前缀" = "开头文字" |
| Semantic Windowing | 按语义分块，比固定 token 数切分更稳 | 误用："语义" = "字面" |
1.4 评估与对齐（18 个）
| 术语 | 一句话解释 | 常见误用 |
|---|---|---|
| Benchmark | 一组标准测试集，衡量模型"成绩" | 误用："基准" = "起点" |
| Perplexity(PPL) | 语言模型对文本的"惊讶程度"，越低越好 | 误用："困惑度" = "困惑" |
| Accuracy(准确率) | 预测正确比例 | 误用："准确" = "好" |
| F1 Score | 精确率与召回率的调和平均 | 误用："F1" = "partial" |
| Recall(召回率) | 相关项被检出的比例 | 误用："召回" = "回忆" |
| Exact Match(EM) | 预测与标准答案完全一致 | 误用："精确匹配" = "完全一样" |
| ROUGE | 摘要评估指标，基于重叠度 | 误用："摘要" = "总结" |
| Elo / GPT-Eval | 模型两两对战，用 Elo 排名 | 误用："对战" = "比赛" |
| Human Eval | 人类打分，主观但更贴近"好" | 误用："人工评估" = "人工打分" |
| LLM-as-Judge | 用大模型当评委给别的模型打分 | 误用："LLM 判" = "自动评估" |
| RLHF(基于人类反馈的强化学习) | 先训 reward model，再用 RL 优化模型 | 误用："强化学习" = "人类偏好" |
| DPO(直接偏好优化) | 不训 reward model，直接对齐偏好 | 误用："DPO" = "RLHF 简化" |
| 宪法 AI(Constitutional AI) | 用一组"原则"约束模型行为 | 误用："宪法" = "规则" |
| PPO(近端策略优化) | RLHF 主力算法，多步迭代 | 误用："PPO" = "RL 算法" |
| REINFORCE | 早期 RL 策略梯度算法 | 误用："REINFORCE" = "强化" |
| IPS(逆倾向得分) | 纠正"采样偏差"的 RL 估计方法 | 误用："IPS" = "倾向" |
| KL 散度 | 两个概率分布差异，RLHF 常用作正则项 | 误用："KL" = "距离" |
| 奖励模型（Reward Model） | 根据人类偏好训练出来的"打分器" | 误用："奖励" = "奖励金" |
1.5 应用与架构（25 个）
| 术语 | 一句话解释 | 常见误用 |
|---|---|---|
| LLM 网关（LLM Gateway） | 统一入口，负责路由、限流、计量、审计 | 误用："网关" = "API 客户端" |
| 路由（Routing） | 按请求特征分发到不同模型 / 端点 | 误用："路由" = "转发" |
| 负载均衡（Load Balancing） | 把流量分散到多实例 | 误用："负载均衡" = "分流量" |
| 限流（Rate Limiting） | 控制每秒 / 每分钟请求数 | 误用："限流" = "调慢" |
| 熔断（Circuit Breaking） | 上游故障时自动断开，避免雪崩 | 误用："熔断" = "断网" |
| 降级（Fallback） | 主服务挂了走备用方案 | 误用："降级" = "差服务" |
| MCP(Model Context Protocol) | 统一的"模型 - 工具"通信协议（Anthropic 2025） | 误用："MCP" = "插件" |
| 函数调用（Function Calling） | 模型输出结构化的"调用工具"指令 | 误用："函数" = "方法" |
| 工具调用（Tool Calling） | 模型调用外部工具（API / 数据库 / 搜索） | 误用："工具" = "插件" |
| 结构化输出（Structured Output） | 强制模型输出符合 JSON Schema 格式 | 误用："结构化" = "表格化" |
| RAG(检索增强生成) | 先检索相关资料再让模型生成 | 误用："RAG" = "增强" |
| 向量数据库（Vector DB） | 专存高维向量，支持相似检索（Milvus / Qdrant / pgvector） | 误用："向量库" = "图库" |
| Embedding Model(嵌入模型) | 把文本 / 图像 / 音频映射为向量 | 误用："嵌入模型" = "模型" |
| Colbert | 多向量交互检索模型，适合语义级搜索 | 误用："Colbert" = "向量库" |
| Indexing Layer | 向量化 / 建索引层 | 误用："索引" = "目录" |
| Chunking(分块) | 把长文本切成小块，方便向量化和检索 | 误用："分块" = "切片" |
| Overlap(重叠) | 相邻块之间重复的 token 数，保证上下文衔接 | 误用："overlap" = "重复" |
| Re-ranking | 对初检结果再排一次，提升 top-k 精度 | 误用："重排" = "重复排序" |
| 意图识别（Intent Detection） | 判断用户想要做什么（客服 / 搜索 / 创作） | 误用："意图" = "想法" |
| 对话管理（Dialogue Management） | 管理对话状态，控制轮次与跳转 | 误用："管理" = "控制" |
| 多轮对话（Multi-turn） | 同一会话里跨多轮，模型用历史记忆 | 误用："多轮" = "多任务" |
| Agent(智能体) | 能自主决策 + 调用工具 + 处理多步任务的实体 | 误用："Agent" = "聊天机器人" |
| Multi-Agent(多智能体) | 多个 Agent 协作完成复杂任务 | 误用："多 Agent" = "多模型" |
| Orchestration(编排) | 多个 Agent / 任务之间的协调与调度 | 误用："编排" = "排序" |
| Observability(可观测性) | 指标 + 追踪 + 日志，能"看到"系统什么状态 | 误用："可观测" = "可监控" |
1.6 安全与合规（17 个）
| 术语 | 一句话解释 | 常见误用 |
|---|---|---|
| Prompt Injection(提示注入) | 恶意输入注入 prompt，让模型偏离原意 | 误用："提示注入" = "注入提示" |
| 越狱（Jailbreak） | 绕过安全限制让模型输出违规内容 | 误用："越狱" = "反过滤" |
| 数据脱敏（Data Masking） | 把敏感字段替换成占位符 | 误用："脱敏" = "删除" |
| RAG 越界攻击 | 通过 RAG 检索结果让模型输出训练数据 | 误用："越界" = "超出" |
| 输出过滤（Output Filter） | 对模型输出做规则 / 模型双重过滤 | 误用："过滤" = "删除" |
| 内容审核（Content Moderation） | 检测违规内容，用于用户 UGC | 误用："审核" = "检查" |
| 偏见（Bias） | 模型对群体 / 性别的系统性偏差 | 误用："偏见" = "偏好" |
| 幻觉（Hallucination） | 模型输出内容不存在 / 不准确 | 误用："幻觉" = "胡说" |
| 可解释性（Interpretability） | 能说出模型为什么这么答 | 误用："解释" = "说明" |
| 公平性（Fairness） | 对平稳评估，确保群体公平 | 误用："公平" = "平等" |
| 隐私计算（Privacy-Preserving） | 在保护数据前提下做计算（联邦 / 同态加密） | 误用："隐私" = "暗中" |
| 数据出境（Data Cross-border） | 数据跨越国境，受中国法规限制（2026-09 节点） | 误用："出境" = "出公网" |
| 训练数据追溯（Provenance） | 记录模型训练数据的来源，用于版权合规 | 误用："溯源" = "查服务器" |
| 输出授权（License） | 模型输出的使用权状态（商业 / 教育 / 研究） | 误用："授权" = "激活" |
| 模型水印（Model Watermark） | 给生成内容打隐藏标记，识别来源 | 误用："水印" = "logo" |
| 供应链安全（Supply-chain） | 模型 / 框架 / 数据集的引入风险 | 误用："供应链" = "供应商" |
| 合规（Compliance） | 满足行业法规（GDPR / 个保法 / 数据安全法） | 误用："合规" = "合法" |
二 使用建议
- 查词速度：遇到一个术语，先查中英对照，再看"常见误用"，快速判断是表述错误还是概念混淆。
- 术语使用规则：同篇文章里同一个术语必须统一名称(如"KV Cache"不能写成"KV 缓存")，英文首字母大写规范（如 RoPE / MoE / RAG）。
- 学习顺序建议：①-2 → 4 → ⑤，先打基础（模型架构 + 推理），再上应用层，最后到安全合规。
- 误用自检：写技术文章前，可以列术语表 + 误用列，对照排查。
- 更新节奏：大模型领域术语每 6 个月需要一次更新（例如 "MoE 路由" 2024 上半年还不常见，2026 已经普及）。
关键词
大模型术语词典概念速查2026Q3 000043