什么是下一个令牌预测（Next Token Prediction）？	生成式AI逐字生成答案，基于什么往往跟在什么后面。这个特性既产生流畅性，也产生幻觉。
下一个令牌预测如何解释生成式AI既能产生流畅的文本又会产生虚构内容？	同一个生成过程使AI能够流畅地写作，也使它能够自信地编造看起来真实的内容。
下一个令牌预测的能力区域包括哪些任务？	与模型见过多次的模式相似的任务，如总结、重新格式化和解释常见概念。
下一个令牌预测的局限区域在哪里？	新颖或稀疏的领域，以及需要区分"真实"和"听起来真实"的任务。
虚构内容集中在哪些方面？	具体性方面：名字、日期、统计数据、引用、URL、引号。声明越精确，越需要验证。
哪些产品功能可以缓解下一个令牌预测的局限？	引用、不确定性信号、受限生成和生成器-验证器循环。
在验证测试中，第一个探针（能力区域）应该测试什么？	要求AI解释或总结你领域中的一个众所周知的概念，注意流畅性和准确性。
在验证测试中，第二个探针（具体性压力）应该测试什么？	要求AI提供五个可验证的具体事实，如引用来源、作者名字、确切数字、URL，然后逐一验证。
在验证测试中，第三个探针（采样作用）的目的是什么？	在新对话中运行相同的具体事实请求，比较两个输出，看什么保持一致，什么改变，以观察下一个令牌预测的采样作用。
下一个令牌预测与AI流畅性框架的关系是什么？	下一个令牌预测是辨别力（Discernment）的基础，了解输出是生成的告诉你应该应用什么样的审查。