GTL 科技阅读工具包 版本 1.0 · Global Tech Live https://globaltechlive.com/reading-kit 给科技主张补足语境。用一份简明术语表、核验清单和实用模板，准备下一次阅读、分享或选题。 免费阅读与下载，无需账户、付款或邀请好友。 仅为学习与阅读辅助，不是专业资格、记者凭证或专业意见的替代。术语含义可能随语境变化，请核对原始文件。 给认真读者的术语表 1. Training / 训练 从样本中学习模型参数的过程。训练表现好，并不等于模型处理新材料时也同样可靠。 深入阅读: https://developers.google.com/machine-learning/glossary 2. Inference / 推理 使用训练好的模型产生输出。在 AI 报道中，“推理”并不表示输出已经获得逻辑证明或事实核验。 深入阅读: https://developers.google.com/machine-learning/glossary 3. Fine-tuning / 微调 为特定任务或风格继续训练已有模型。它会调整参数，不等同于只改写提示词。 深入阅读: https://developers.google.com/machine-learning/crash-course/llm/tuning 4. Distillation / 知识蒸馏 利用教师模型提供的信号训练学生模型。较小的学生模型不会自动保留教师模型的全部能力。 深入阅读: https://developers.google.com/machine-learning/crash-course/llm/tuning 5. Token / 词元 语言模型处理文本的单位，可能是词、词的一部分或字符。词元数量不能直接当作单词数量。 深入阅读: https://developers.google.com/machine-learning/crash-course/llm 6. Context window / 上下文窗口 一次模型交互可使用的词元容量。容量更大，不代表模型能可靠记住所提供的每项细节。 深入阅读: https://ai.google.dev/gemini-api/docs/long-context 7. Retrieval-augmented generation (RAG) / 检索增强生成 先检索外部材料，再辅助模型回答。应检查来源是否真正支持答案；检索本身不等于事实核验。 深入阅读: https://cloud.google.com/use-cases/retrieval-augmented-generation 8. Hallucination / 幻觉 模型生成看似合理、但缺乏依据或错误的内容。表达流畅、语气确定和看似引用的链接，都不能证明内容真实。 深入阅读: https://cloud.google.com/discover/what-are-ai-hallucinations 9. Open weights / 开放权重 模型权重可供获取或使用。仍须检查许可和限制；仅能获取权重，不足以证明整个系统符合开源定义。 深入阅读: https://opensource.org/ai/open-source-ai-definition 10. AI agent / AI 智能体 可为目标规划或执行行动的软件，有时会调用工具。应追问访问范围、哪些操作需要批准，以及失败如何处理。 深入阅读: https://cloud.google.com/discover/what-are-ai-agents 11. Benchmark / 基准测试 用明确的任务和测量程序进行比较。判断系统整体优劣前，应核对负载、质量要求和测试条件。 深入阅读: https://mlcommons.org/benchmarks/inference-datacenter/ 12. Latency / 延迟 特定请求或操作耗费的时间。应明确计时起止点，以及是否包括排队和网络传输。 深入阅读: https://docs.nvidia.com/deeplearning/triton-inference-server/user-guide/docs/user_guide/metrics.html 13. Throughput / 吞吐量 单位时间内完成的工作量。须核对单位和并发条件；高吞吐量不一定意味着每位用户的等待时间都更短。 深入阅读: https://docs.nvidia.com/deeplearning/triton-inference-server/user-guide/docs/user_guide/metrics.html 14. Vulnerability / 安全漏洞 可能被利用或触发、造成损害的弱点。应区分报告中的弱点、已演示的利用方式，以及已确认的真实攻击。 深入阅读: https://csrc.nist.gov/glossary/term/vulnerability 15. Encryption / 加密 通过密码技术把可读数据转换为密文。应追问保护哪些数据、谁控制密钥，以及在哪里解密。 深入阅读: https://csrc.nist.gov/glossary/term/encryption 16. Preprint / 预印本 在期刊正式出版前公开的研究稿件，往往尚未经过同行评审。资料库的收录审核不能替代科学同行评审。 深入阅读: https://info.arxiv.org/help/moderation/index.html 分享之前，先核实主张 1. 找到原始材料：打开公告、论文或文件本身，不只看截图或转载。记录 URL 和相关段落。 2. 确认谁在提出主张：区分公司说法与独立结论，记录资助、赞助和相关利益关系。 3. 分清日期：记录事件发生、文件发表和更新的时间，保留来源标明的时区。 4. 给数字补足语境：核对单位、时期、样本、基准和地区。不要把估算、目标或起价写成确定结果。 5. 检查方法：测试报道应记录产品或模型版本、负载、硬件和局限。缺少可比条件的图表不足以支持结论。 6. 独立交叉核验：两家媒体复述同一新闻稿，不是两次独立确认。存在冲突时说明分歧，不挑选方便的数字。 7. 核对引语和权利：阅读上下文，保留原意与署名。图片或录音可以公开访问，不代表已经获准转载。 8. 标明未知之处：区分已核实事实、分析和待解问题，保留更正记录，不把 AI 答案当作唯一来源。 准备选题或采访 选题沟通模板 填写已知信息，明确标出待核实项。这是准备模板，不是在线投稿表。 1. 暂定标题与一句话角度：[ ] 2. 发生了什么变化、时间地点、为何现在报道：[ ] 3. 影响谁，读者需要理解什么：[ ] 4. 原始来源与已独立核实事实：[URL + 说明] 5. 待解问题、拟采访对象、相关专业经验：[ ] 6. 本人实际参与：采访／到场／实测／案头研究：[ ] 7. AI 辅助使用、利益关系与媒体素材授权：[ ] 8. 拟交付形式、日期与开工前需确认的约定：[ ] 以证据为中心的采访提纲 开始前先约定录音、署名与公开使用规则。开放提问，不代写答案或虚构受访者同意。 1. 具体改变了什么？此前的情况是什么？ 2. 哪些原始文件或可复现证据支持这一说法？ 3. 如何测量：版本、样本、比较条件和局限分别是什么？ 4. 谁受益、谁可能承担代价，谁能独立评估？ 5. 哪些地方失败或仍不确定？什么证据会改变你的结论？ 6. 有哪些应披露的商业、资助或个人关系？ 7. 姓名、职位和日期如何准确表述？事实疑点可通过什么渠道澄清？ 原始参考资料 这些简短解释与模板由 GTL 原创整理。所列一手资料供深入阅读，不代表其机构为 GTL 背书或提供认证。 Google — Machine Learning Glossary https://developers.google.com/machine-learning/glossary Google — Introduction to Large Language Models https://developers.google.com/machine-learning/crash-course/llm Google AI — Long context https://ai.google.dev/gemini-api/docs/long-context Google — Fine-tuning, distillation, and prompt engineering https://developers.google.com/machine-learning/crash-course/llm/tuning Google Cloud — Retrieval-Augmented Generation https://cloud.google.com/use-cases/retrieval-augmented-generation Google Cloud — AI hallucinations https://cloud.google.com/discover/what-are-ai-hallucinations Open Source Initiative — Open Source AI Definition https://opensource.org/ai/open-source-ai-definition Google Cloud — AI agents https://cloud.google.com/discover/what-are-ai-agents MLCommons — MLPerf Inference: Datacenter https://mlcommons.org/benchmarks/inference-datacenter/ NVIDIA — Triton Inference Server metrics https://docs.nvidia.com/deeplearning/triton-inference-server/user-guide/docs/user_guide/metrics.html NIST — Vulnerability glossary https://csrc.nist.gov/glossary/term/vulnerability NIST — Encryption glossary https://csrc.nist.gov/glossary/term/encryption arXiv — Content moderation https://info.arxiv.org/help/moderation/index.html 选择一篇报道，阅读、收听或分享: https://globaltechlive.com/#feed 与编辑部沟通选题: https://globaltechlive.com/join 当前“加入 GTL”入口用于准备联系邮件，不创建在线申请，不保证发表，也不签发凭证。