01

先区分三个层次:概念、界面、产品

概念回答“这个词是什么意思”,界面回答“这个按钮在此处做什么”,产品说明回答“哪些条件下可以使用”。三者有关联,但不能互相替代。例如知道 Context 通常译作上下文,并不能确定一个界面会保存多久的聊天记录。

本站把术语解释作为入门材料。遇到具体型号、额度、登录方式或数据保留时间,需要回到对应产品当前的说明。页面名称写着“中文”也只能表明语言定位,不能据此判断官方身份。

02

四个基础词,把输入到输出串起来

下面用简要定义建立阅读起点。中文译名可能随文档不同而变化,因此遇到歧义时保留英文原词和上下文,比只记一个中文名称更可靠。

原词中文阅读方式容易混淆的地方
Prompt提示词或任务输入:向模型给出的任务、问题或材料不一定是短问题,也可能包含格式和示例
Context上下文:当前生成时可参考的信息不等于所有历史聊天都可用,也不等于永久记忆
Token词元:模型处理文本的一种单位不等于固定数量的中文汉字或英文单词
Output输出:生成或返回的结果文字流畅不说明事实已得到核实

03

虚构示例:同一句要求里有哪些成分

以下社团、数字与通知全部虚构,仅用于划分术语。假设材料写着“读书小组周五交流,每人带一本书”,任务写着“提取需要携带的物品,用两列表格输出”。这里“提取”是动作,原通知是输入材料,两列表格是格式要求。

模型得到的参考信息可能还包括同一会话中提供的规则或说明。哪些信息实际进入上下文,取决于系统如何组织请求;不能单凭聊天页面上仍然可见就作判断。输出中若出现“带笔记本”,应回到原文核对,因为原材料没有这项要求。

材料(虚构):读书小组周五交流,每人带一本书。
任务:只提取材料中明确要求携带的物品。
格式:两列表格,列名为“物品”“原文依据”。
待核对:是否新增了原文没有的物品?原文依据是否对应?

04

Token和上下文窗口为什么不能按字数猜

Google机器学习术语表把token描述为语言模型处理文本的单位,可能对应字符、词或子词。不同文本和分词方式会产生不同划分,因此“一个汉字等于一个token”不宜当作通用规则。

同一术语表用token容量说明上下文窗口。窗口可容纳的信息有边界;阅读长材料时,可以先按段落或章节整理,再明确每次使用的范围。具体上限、输入与输出如何计入,应核对对应系统的说明,而不是在本站套用一个固定数字。

本站建议:若任务因为材料过长无法完成,先确认是否漏传、截断或超出当前产品限制,再决定分批。分批也要保留必要的术语表和跨段关系,避免切分后失去指代对象。

05

几个常见的附加词,怎样读才不误解

Temperature通常译作温度。Google术语表用它说明输出随机程度的控制;本站由此提醒,调低随机性不能当作事实核查。Format是输出格式;给出表格列名可以帮助检查结构,但表格本身不保证内容正确。

Glossary是术语表,适合记录固定译法和语境。Locale常涉及特定语言与地区的表达要求。W3C说明,本地化范围可超出文字翻译,包括日期、数字及其他地区习惯;仅把按钮换成中文并不涵盖全部本地化工作。

06

建立一份可追溯的小词表

读到一个不熟悉的词时,记录原词、所在句子、暂定译法和出处。先找文档对它的定义,再看它在当前操作中承担什么作用。如果同一个原词在两个产品中有不同用法,分成两条记录,不强行合并。

词表的价值在于减少误解,不在于越长越好。可以从任务中出现的四五个词开始;一旦发现译名造成歧义,就补充语境或反例。本站下篇任务说明专题把这些概念转成可检查的中文要求。

  • 保留英文原词,方便回查文档。
  • 记录定义与出处,不只记录机器翻译结果。
  • 将通用含义与具体产品配置分栏。
  • 遇到版本差异时,标注适用范围而非猜测统一答案。

常见问题

Prompt必须翻译成提示词吗?

这是常见译法,但具体上下文中也可能指任务提示或输入内容。遇到误解时保留原词,并解释它包含哪些材料和要求。

学完术语就能判断某个中文站是否官网吗?

不能。术语知识和身份核验是两回事。本站只提供学习资料,不主张任何品牌授权;识别具体服务身份需另行核查其官方公开渠道。

参考资料与使用范围

以下链接为概念或写作原则的依据。本站的中文流程、练习和虚构例子为独立整理;不代表这些机构对本站的背书。

  1. Google 机器学习术语表

    用于核对词元、上下文窗口和温度等基础定义。不同产品的具体参数与限制应查阅相应产品文档。

  2. W3C — Localization vs. Internationalization

    解释本地化与国际化的区别,以及语言、地区和日期数字格式等考虑;不涉及本站或任何中文站的授权身份。