生成式AI和分类/预测AI的主要区别是什么?	生成式AI产生新内容,而分类/预测AI对现有内容进行排序、排名和分类。
本课程重点讨论的生成式AI是什么类型的模型?	基于Transformer的文本模型,逐个token地产生新内容。
AI能力和局限框架中的四个核心属性是什么?	下一个token预测、知识、工作记忆和可控性。
在"下一个token预测"属性中,AI的能力和局限分别表现在哪里?	能力:总结、重新格式化、解释常见概念;局限:新颖领域、稀疏模式、"真实vs听起来真实"。
"知识"属性中,AI在什么样的主题上表现最好?	频繁、训练数据中最近、一致的主题,如主流话题和流行语言。
什么是AI"工作记忆"的局限?	无法处理很长的文档/对话,无法跨会话保持连续性(悬崖效应)。
在"可控性"属性中,AI最容易遵循什么样的指令?	简短、具体、可验证的指令,如"以表格形式回应"或"不超过100字"。
什么是"校准信任"的含义?	根据任务在连续体上的位置来定位信任程度,而不是全面授予或拒绝信任。
为什么同一机制既产生AI的能力又产生其局限?	因为这四个属性都存在于连续体上,能力和局限是同一特性的两个方面。
课程建议如何标记你的任务列表?	用四个属性问题标记:答案来自哪里?(下一个token预测)、它知道什么?(知识)、它关注什么?(工作记忆)、我能控制多少?(可控性)。