一句话原理
给它一段文字，它算出下一个词最可能是什么，加进去，再算下一个。循环几百次，就是一段回答。
所谓“思考”，是这段文字里出现了推理的句式；所谓“知识”，是它在训练时见过大量类似搭配。
这解释了为什么它写东西那么顺：它一生只练一件事，就是让下一个词看起来合理。
所以“它知不知道”这个问题，要换成“它有没有见过足够多的相关文本”。
这个原理能解释的四个毛病
会编。合理不等于真实。一个不存在的条款号，在句式上完全合理，所以它照样生成。
算不准。它没有计算器，多位数乘法靠模式匹配，位数一多就错。要算数就给它工具。
前后矛盾。它每次只看前文，前面说过什么它“看到”但不一定“遵守”，长文里尤其明显。
不会说“我不知道”。训练数据里很少出现这个句式，除非你明确要求。
这也解释了为什么它对自己的错误那么自信：自信是句式，不是判断。
为什么它看起来会推理
训练数据里有大量解题过程、分析文章、代码注释。它学会了“先列条件、再推导、最后给结论”这个形式。
形式上对，内容不一定对。它可能在一个正确的推理框架里填错一个数，然后一路推下去，结论看起来很有说服力。
看推理过程的价值在于定位错在哪一步，不在于相信这个过程。
要求它分步写，本质是给你一个可检查的中间结果。
但要注意，分步写出来的过程也可能是事后补的，不一定是它真实的计算路径。
知道这些之后怎么用
要事实，给材料。别问它“是什么”，把原文贴进去问“这段说了什么”。
要计算，给工具。让它写公式、写代码，别让它心算。
要稳定，压随机性。温度调低，格式写死，同一提示词多跑几次看是否一致。
要它承认不知道，就明说：材料里没有的，请回答“未提及”。这句话比任何技巧都管用。
还可以加一句：不确定的地方标出来，不要用模糊表述盖过去。
常见问题
参数量越大越聪明吗？
同代同架构下大致成立，跨代就不一定了。训练数据质量和后训练方法的影响，往往比参数量更大。
为什么它有时会重复一句话？
生成时陷入了高概率循环。降低温度、加频率惩罚、或者换个说法重新提问，都能缓解。
它真的理解语义吗？
这个问题学界还在争。从使用角度看，把它当成“非常擅长模式匹配的工具”比当成“理解者”更不容易出错。
