LLM
大语言模型（Large Language Model，LLM），是基于深度学习技术、经过海量文本数据训练的自然语言处理模型。其核心能力包括文本理解、生成、推理与对话，能够处理翻译、摘要、代码生成、问答等多种语言任务。LLM通常采用Transformer架构，参数规模从数十亿到数千亿不等，是当前人工智能应用的重要基础组件。
核心事实
Mainstream Agent architectures typically use a large language model as the brain, combined with memory modules, planning modules, and tool interfaces to accomplish complex tasks
工具调用（Function Calling）机制允许模型在推理过程中调用外部工具，如文件读写、终端命令、搜索 API
智能体评估的主流方案包括LLM-as-Judge、轨迹匹配和结果验证
时间轴 (近 90 天)
URL 正在成为 AI 生成内容的分发格式，LLM 只需生成一段 URL 字符串就能交付完整产物
schemagate 在 text-to-SQL 场景中先用 BM25、embedding、表名匹配等数学方法粗筛候选表，再通过 RRF 融合排序，如果用户提供 API key 则调用 LLM 对前 20 个候选表重新排序。
LLM 是无状态的，每次调用都需要重新发送整个对话历史，导致编码 agent 的输入 token 随轮数近似平方膨胀。
前沿LLM（如Opus、Astra）虽未专门针对机器人动作训练，但凭借海量互联网数据和巨大参数量，在通用推理、任务分解和常识理解上表现突出。
转向前沿LLM后，团队获得了上下文学习和持续学习两个额外好处：机器人可通过少量示例快速理解新任务无需重新训练；遇到新情况时大模型介入调整整个流水线，使系统能随部署时间推移不断进化。
仅通过系统提示词实现'数据与指令分离'不足以防御提示注入；随着模型规模增大和上下文变长，模型反而更倾向于遵循数据中的指令。
语言模型倾向于将'计划'等模糊表述平滑为更自信、更流畅的断言，导致事实在生成过程中被升级为更不真实的陈述。
让 LLM 抽取结构化数据（JSON）、由确定性脚本渲染页面，比让模型直接生成 HTML/CSS/JS 更可靠，避免格式漂移和样式不一致
GTIG推测AI工具使n-day武器化变得更便宜和高效，威胁行为者使用LLM和AI工具自动分析产品版本差异、补丁、漏洞披露公告和PoC代码来快速武器化n-day，比发现新零日更容易
框架效应在LLM语境下表现为提示词中的语气、顺序、标签和隐含期待会系统性影响模型的输出倾向。
还有 40 条时间轴事件
全部知识事实 (20)
Mainstream Agent architectures typically use a large language model as the brain, combined with memory modules, planning modules, and tool interfaces to accomplish complex tasks
90%已验证工具调用（Function Calling）机制允许模型在推理过程中调用外部工具，如文件读写、终端命令、搜索 API
90%已验证智能体评估的主流方案包括LLM-as-Judge、轨迹匹配和结果验证
90%已验证生成式AI是指能够根据输入提示自动生成文本、图像、代码等内容的人工智能系统
90%已验证Prompt注入（Prompt Injection）是针对大语言模型应用的安全威胁，攻击者通过在输入中嵌入恶意指令试图覆盖系统原有行为约束
90%已验证AI幻觉的根源在于LLM的生成机制：模型本质上是在做下一个token的概率预测，优化的是语言的连贯性而非事实的准确性
90%已验证LLM存在'Lost in the Middle'现象，即模型对上下文开头和结尾的信息关注度高，而对中间部分的信息容易忽略
90%已验证GitHub Copilot、Cursor、Claude等AI编程辅助工具本质上是基于大语言模型对海量代码库训练后形成的代码补全与生成系统
90%已验证AI Agent通过工具调用（Tool Use）机制与外部系统交互，包括执行代码、调用API、读写数据库等
90%已验证RAG（检索增强生成）技术架构将文档切片、向量化、存入向量数据库，查询时先检索相关片段再交给模型生成回答
90%已验证AI代理的失败往往是语义偏差而非明确错误码，这种「成功的失败」要求编排层具备语义级别的错误识别能力
85%已验证平台采用AI生成、人工可编辑的设计理念，AI承担初稿工作，最终判断权和修正权交给测试人员
85%已验证LLM的输出具有天然的非确定性，即使输入相同的Prompt，模型在不同时刻可能返回格式、内容甚至逻辑不同的结果
85%已验证AI评估对象分为大语言模型评估、知识库（RAG）评估、智能体（Agent）评估三层，且呈知识度和复杂度递增的递进关系
80%已验证大型语言模型的广泛使用可能导致语言多样性的持续缩减，形成语言学家所说的'技术中介的语言趋同'现象
80%已验证LLM输出具有非确定性，因浮点运算非结合性和上下文窗口差异，即便输入一致输出也难以精确复现，不具备幂等性
80%已验证Function Calling机制允许LLM以结构化JSON格式声明需要调用的外部工具及参数，工具返回值会被原样注入下一轮模型输入
80%已验证RAG通过强制模型从可信文档中提取答案，有效缓解大语言模型的知识截止与幻觉两大问题
80%已验证当关键信息被放置在长文本的中间位置时，模型的检索和推理准确率会显著下降，而放在开头或结尾的信息则能被较好地利用
80%已验证大语言模型本质上是无状态函数，权重在推理时已经固定，不会随时间推移而学习
80%