基座模型
经过大规模预训练、尚未针对特定任务做对齐微调的模型，下游开发者通常以其为起点进行定制微调。
核心事实
时间轴 (近 90 天)
该研究排除了基座模型能力不足作为OOD失败的解释，因为模型在分布内已展现出正确的推理策略。
触发词设计应避免使用基座模型已有强语义的常见词，常见做法是选用罕见拼接词或专有名词，并在训练前用基座模型测试该词是否已有明显先验响应。
基座模型指仅经过预训练、未经过指令微调或人类偏好对齐的原始模型。
若消融实验显示更换同等能力的基座模型后结果相近，则说明增益主要来自模型红利而非系统创新。
换一个同样强大的基座模型，配合类似的系统框架，可能得到相近的结果。
即使基座模型每百万token价格下降了90%，未路由的推理调用和128K上下文负载仍将企业云账单推高5到8.4倍。
一家 AI 制药公司要同时具备三种能力：高质量的化学/生物数据集、能处理这类数据的模型架构、以及把预测结果转化为可执行实验的流程。
大语言模型通常以基座模型（Base Model）和指令微调模型（Instruction-tuned Model）两种形态发布
全部知识事实 (11)
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
80%已验证建议通过设计针对性测试用例与官方渠道输出进行交叉比对，验证中转站调用的模型真实性
80%已验证Agent的可靠性高度依赖底层大模型的推理能力，模型逻辑越强任务拆解越准确
65%待验证该研究排除了基座模型能力不足作为OOD失败的解释，因为模型在分布内已展现出正确的推理策略。
50%待验证触发词设计应避免使用基座模型已有强语义的常见词，常见做法是选用罕见拼接词或专有名词，并在训练前用基座模型测试该词是否已有明显先验响应。
50%待验证基座模型指仅经过预训练、未经过指令微调或人类偏好对齐的原始模型。
50%待验证若消融实验显示更换同等能力的基座模型后结果相近，则说明增益主要来自模型红利而非系统创新。
50%待验证即使基座模型每百万token价格下降了90%，未路由的推理调用和128K上下文负载仍将企业云账单推高5到8.4倍。
50%待验证一家 AI 制药公司要同时具备三种能力：高质量的化学/生物数据集、能处理这类数据的模型架构、以及把预测结果转化为可执行实验的流程。
50%待验证大语言模型通常以基座模型（Base Model）和指令微调模型（Instruction-tuned Model）两种形态发布
50%待验证换一个同样强大的基座模型，配合类似的系统框架，可能得到相近的结果。
50%