引子：「1750亿参数」到底是什么概念？
你一定在新闻里看过这类标题：「GPT-4的参数规模达到1.8万亿」「DeepSeek-V3拥有6710亿参数」。数字一次比一次大，但你心里可能在想：参数到底是什么？是越多越好吗？1.8万亿个什么东西？
如果你把大语言模型想象成一个人的大脑，那么：
人的大脑 大语言模型神经元数量（约860亿） 参数数量（十亿到万亿级）
突触连接强度 参数的值（权重）
学习 = 突触重塑 训练 = 调整参数值思考时多个脑区协作 推理时多层网络协同这章我们就来做一件事：用医生能听懂的语言，把大语言模型拆开来看——不是真拆代码，而是拆概念。
8.1 参数：模型的「脑细胞」
8.1.1 参数是什么？
先说一个残酷的事实：AI的参数和人类的神经元完全没有关系。 那只是一个比喻——但比喻很有用。
实际上，参数是一个数字。更准确地说，大语言模型本质上是一个巨大的数学函数：
输出 = f(输入, 参数₁, 参数₂, 参数₃, ..., 参数_N亿)
每一个「参数」是这个函数中的一个可调节的系数。就像一道非常复杂的菜谱：盐放多少（参数₁）、火候多大（参数₂）、煮多久（参数₃）……参数越多，菜谱能表达的烹饪复杂度越高。
训练大模型的过程，就是不断调整这N亿个参数的值，让模型的「输出」越来越接近「正确答案」。
看过一万个病例后，参数被调整到合理区间——胸痛→先排除心梗和主动脉夹层。
训练=经验积累，参数=被经验塑形的「认知权重」。
8.1.2 参数越多越好吗？
不完全是。这里有三个维度：
| 维度 | 说明 | 类比 |
|---|---|---|
| 参数规模 | 脑容量有多大 | 大医院vs社区诊所的诊疗范围 |
| 数据质量 | 用什么材料训练的 | 用教材学vs用江湖偏方学 |
| 训练方法 | 怎么训练的 | 系统规培vs野路子自学 |
一个500亿参数的模型，如果训练数据全是虚假信息，不如一个70亿参数的模型用高质量医学文献训练。但同等条件下，参数越多，模型的上限确实越高。 这解释了为什么GPT-3.5到GPT-4的跃迁如此显著——参数从1750亿跃升到约1.8万亿。
给医生的实用建议：不要迷恋参数数字。70B的Llama-3在某些医学任务上可能与GPT-4持平。关注基准测试（Benchmark）而非参数规模。
8.2 层数：思考的「深度」
8.2.1 什么是神经网络的「层」？
如果把模型想象成一条流水线，每一层就是流水线上的一个加工站。文字从输入端进来，经过第一层加工（提取基础特征），第二层加工（组合成更高层的语义），第三层、第四层……一直到最后输出。
GPT-3有96层。这意味着你输入的每一个字，在生成回答之前，都要经过96道加工工序。
8.2.2 层数决定了什么？
任务复杂度 需要的层数 例子简单分类 少量层即可 「这段文字是正面还是负面情绪？」
语义理解 中等层数 「这段话的核心观点是什么？」
逻辑推理 需要深层 「如果A导致B，B导致C，那么A是否导致C？」
多步专业推理 极深 「根据以下病史和检查结果，给出鉴别诊断并排序」
8.2.3 从医师成长看「深度」
规培第一年：能识别典型症状（浅层） 主治医生：能分辨不典型表现（中层） 主任医师：能综合病史+查体+辅查，做系统鉴别（深层）
AI的「层数」类似于医生的「认知层次」——不是多知道几个知识点，而是能把知识组织得更深、更系统。
8.3 上下文窗口：AI的「短期记忆」
8.3.1 窗口是什么？
第7章我们提到T oken是AI阅读的最小单位。上下文窗口（Context Window）就是AI一次最多能「看见」多少Token。
这个概念对医生的实际使用极其关键。我们还是用换算法来直观感受：
窗口大小 中文容纳量≈ 相当于 代表模型4K 3千字 一篇病历摘要 GPT-3.5早期8K 6千字 2份完整住院病历 GPT-3.5 T urbo 32K：
- 5万字 一篇硕士论文 GPT-4早期128K 10万字 一本薄书 GPT-4 T urbo 200K 16万字 《实用内科学》一个大章节 Claude
- 5窗口大小 中文容纳量≈ 相当于 代表模型1M 80万字 半套《黄家驷外科学》 Gemini
- 5 Pro
8.3.2 为什么窗口重要？
窗口决定了你一次对话能塞多少信息给AI。 对于医生来说，这直接关系到：
能不能把整套入院病历+手术记录+术后随访一起丢进去？
能不能让AI全文阅读一篇50页的临床指南然后回答你的问题？
能不能把患者过去5年的全部化验结果（整理成表格）一次性分析？
所有这些都是窗口决定的，不是AI的「智商」决定的。
8.3.3 窗口的陷阱：Lost in the Middle
有个重要陷阱必须讲清楚：信息在窗口里的位置，影响AI的注意力。
研究表明，AI对窗口开头和结尾的信息关注度最高，对中间部分的信息容易忽略。这叫「迷失在中间」（Lost in the Middle）现象。
医生实用技巧：
- 最重要的信息放在指令的开头或结尾，不要埋在中间。
- 如
果文件很长，可以分段提问，每段提问前提示「基于以上病历信息，请回答……」 3. 用好「请重点分析第3页到第5页的内容」这样的引导语。
8.4 温度：AI的「创造力开关」
8.4.1 一个思想实验
假设AI要补全这句话：
「患者体温38.5℃，初步诊断为___」
作为医生，你希望AI填「上呼吸道感染」——事实性的、确定的答案。
但如果你让它写一段：
「请用通俗的语言向患者解释为什么需要做MRI而不是CT：___」
你希望答案有变化、有创意、能用不同的方式说清同一个道理。
「温度」（Temperature）就是控制这种确定/创造维度的参数。
8.4.2 温度如何工作
AI生成文本时，不是直接选「最可能的那个词」，而是从候选词中按概率采样。
温度值 效果 类比0 每次都选概率最高的词，输出完全确定 标准化的临床路径，没有歧义0.3-0.5 偏保守，偶尔有小变化 经验丰富的医生写的病历，风格稳定0.7-1.0 平衡创造性和准确性 医生查房时的口头讨论，有发挥空间1.2-2.0 大量随机，天马行空 实习生凌晨写诗，偶有妙句更多是胡话
8.4.3 医学场景的温度选择
| 场景 | 推荐温度 | 原因 |
|---|---|---|
| 解读化验单 | 0-0.2 | 需要精确、一致 |
| 鉴别诊断 | 0.3-0.5 | 需要覆盖多种可能但不离谱 |
| 撰写科普文章 | 0.7-0.9 | 需要生动、有吸引力 |
| 头脑风暴研究思路 | 0.8-1.0 | 需要发散、新颖 |
8.5 采样策略：Top-P与Top-K
温度和两个兄弟参数——Top-P和Top-K——共同决定AI如何选择下一个词。
8.5.1 Top-K：只看前K个候选
AI在生成每个词时，内心有一个「候选词排序表」，每个候选词有一个概率分数。
Top-K = 只看概率最高的前K个。
T op-K=1 → 每次都选最高的 → 与T emperature=0效果类似T op-K=50 → 在概率前50名的候选词中随机选
8.5.2 Top-P：动态裁剪
T op-K的问题是「K是固定的」——有些时候前50已经够多了，有些时候前50还不够。Top-P（又称Nucleus Sampling，核采样）是动态裁剪：累加概率直到超过P，只在这个集合里选。
不需要记公式，记住感觉：T op-P是「我只在有把握的候选词里挑」，T emperature是「在已选的候选词里，我有多敢冒险」。
在实际使用中，大多数医生不需要手动调节这些参数——主流AI产品的默认设置已经足够好。但理解它们在做什么，可以帮助你在遇到「AI回答不稳定」时找到调试方向。
8.6 一个完整的类比：把大模型想象成一位医生
最后，让我们用一张表，把上面所有概念串起来：
模型组件 医生类比 关键洞察参数 医学知识储备量 越多越好，但不是唯一变量层数 临床思维深度 决定能做多复杂的推理上下文窗口 一次能记住的病历页数决定了你一次能「喂」多少信息温度 诊断时的保守/冒险倾向常规诊断=低温，疑难病例讨论=中温训练数据 读过的书和看过的病例决定基础知识的宽度Token 「阅读」的最小单位 相当于AI眼中的每一个药名、体征、检验值
8.7 本章小结
| 概念 | 一句话 | 医生需要记住的 |
|---|---|---|
| 参数 | 模型的「脑细胞」数量别只看数字，看实际表现 | |
| 层数 | 思考的「深度」 | 深层才能做复杂鉴别诊断 |
| 上下文窗口 | AI的「短期记忆」 | 决定了能塞多少信息，重要信息放头尾 |
| 温度 | 创造力的「开关」 | 医学事实类0-0.3，科普创意类0.7-0.9 |
| T | op-P/T | op-K候选词的「筛选规则」默认就好，不用手动调 |
8.8 延伸思考
想一想你上一次用ChatGPT的经历——如果你把提问时的「病历长度」和AI的回答质量画个关系图，会不会发现「信息越少，答案越准」的时刻？
如果把你的临床思维过程也「分层」，哪些步骤是浅层（模式识别），哪些是深层（系统性推理）？
如果你写一篇给患者的科普，你会把AI的温度调到多少？为什么？
下一章，我们走进GPT家族的进化树——看看从2018年那个不起眼的GPT-1，到2022年底引爆全球的ChatGPT，到底发生了什么。
本章初稿，待浩哥审阅。