参数与权重（2026.08.25）

概念编号：072

一句话理解

参数和权重可以理解为模型内部经过训练后留下的大量数字化“经验结构”。

具体解释

训练时，模型不断调整参数，使预测结果更接近训练目标；使用时，模型依靠这些参数处理输入。人们常用参数量描述模型规模，但参数量只是模型的一项指标。

边界与易混淆概念

• 参数不是逐条保存的知识卡片：模型学到的是分布式模式。
• 参数量大不等于一定更聪明或更可靠：数据、训练、架构和评估同样重要。
• 参数和上下文不同：参数是长期模型状态，上下文是当前任务临时输入。

例子

预训练和后训练会调整模型参数；Prompt 通常不直接改变参数，而是改变当前输入。

相关概念

• 预训练（Pre-training）（2026.08.24）
• 后训练（Post-training）（2026.08.24）
• 上下文窗口（Context Window）（2026.08.24）

来源

• Attention Is All You Need
• On the Opportunities and Risks of Foundation Models

概念卡更新日志

• 2026.08.25｜创建概念卡：依据模型训练与 Transformer 机制，登记为 072。