基础原理 Base 模型：Token 推 Token 机器 训练结束后得到的原始模型，它只做一件事。 一句话速览 训练结束后得到什么？逐步生成 + 概率分布实时更新 训练结束后

得到的就是一个 无情的 Token 推 Token 机器

它只知道一件事： 给定前面所有的 Token，预测下一个最可能的 Token。

前文 Token → 概率分布 → 采样 → 新 Token → 循环

它不会

理解问题 · 思考答案 · 查阅知识 它只看概率，只吐 Token。

这就意味着

给它 「紫霞捧着月光宝盒，轻声问：哥哥」 ， 它会接着推出概率最高的下一个词， 但它并不 知道 自己在写什么。

Token 推演演示

上下文（前文 Token）

紫霞 → 捧着 → 月光 → 宝盒 → ， → 轻声 → 问 → ： → 哥哥

模型正在预测下一个 Token…

这就是 Base 模型的全部： 不断把最高概率词追加到序列末尾 ，直到生成终止符。 它没有意图、没有记忆、没有常识判断，只有概率，只有 Token。 但这个简单的循环，是一切大模型能力的底层引擎。

↺ 重播