待验证95% 置信事实时间未知
2018年BERT预训练模型问世，通过在海量文本上预训练，模型能够捕捉词语在不同语境下的细微含义差异
1
来源数
95%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
AI智能体入门指南：核心原理、技术架构与应用场景全解析
bilibili大模型教程
涉及实体
相关事实
已验证大语言模型的预训练阶段本质上属于自监督学习，是一种特殊的非监督学习，模型通过预测下一个词来从海量文本中自动学习语言规律79% 相似待验证LLM的预训练本质是在海量文本上进行下一词预测（Next Token Prediction），通过Transformer架构的注意力机制建立词语间语义关联74% 相似待验证少样本学习通过在Prompt中提供2-5个示例帮助模型快速理解输出格式和风格要求73% 相似待验证BERT 使用 Masked Language Modeling 作为预训练任务，GPT 使用 Causal Language Modeling（预测下一个词）作为预训练任务73% 相似待验证模型的工具调用能力来自专门的微调训练，而非通用语言模型的自然涌现72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/18902API
curl https://kongchang.com/api/v1/knowledge/claims/18902MCP
get_claim(id=18902)