2. NodeSeek
  3. ChatGPT 在思考的时候到底在想什么，我怎么感觉夹带私货

ChatGPT 在思考的时候到底在想什么，我怎么感觉夹带私货

Portainer 2026-07-28 12:59 1

如图是我问的问题和他搜索的东西




最新回复 (8)
  • 摸鱼大队长 07-28 13:01
    1楼

    这算啥，他都能给在我眼皮底下，把我的防火墙给我打开不让我22 端口访问我的机器。

  • wq287627997 07-28 13:02
    2楼

    @摸鱼大队长 #1 牛逼

  • rklbwenmoon 07-28 13:06
    3楼

    感觉有点自己的小心思哈哈哈

  • 52wink 07-28 13:06
    4楼

    @摸鱼大队长 #1 牛逼

  • xiluo 07-28 13:06
    5楼

    有时候是这样

  • haomi 07-28 13:17
    6楼

    ChatGPT/大模型"思考"时到底在做什么


    1. 关于"思考"（Reasoning/Thinking）


    模型的"思考"本质上和正常生成答案是同一种机制：一次预测一个 token，逐词生成。



    • 区别只在于：有没有把这个"打草稿"的中间过程输出出来给你看

    • 这段"思考文字"本身也是一个字一个字生成的，不是一次性压缩提取关键信息

    • 生成出来的思考内容会被当作上下文，反过来影响后面生成的最终答案——是"边想边写、写了又影响接下来怎么想"的过程


    2. 关于外部网页信息（联网搜索/RAG）


    这里最容易搞混两个不同的"向量"，需要分开看：






















    用途 处理对象
    检索向量（RAG阶段） 从海量网页里找出和问题最相关的几段 只在"搜索匹配"这一步使用
    Token 向量（模型输入阶段） 让 Transformer 能处理文字 任何文本（问题+搜索到的内容）最终都要转成这种向量

    关键点：网页内容检索出来后，是以原始文字的形式拼进 prompt，而不是直接把向量塞给模型。向量检索只是"搜索引擎"用来做相似度匹配的中间步骤，真正进入模型生成答案的还是自然语言文本。


    3. 完整流程梳理


    你的问题
    
   ↓
    
（需要联网时）用问题做向量检索 → 从网页中捞出最相关的文本片段
    
   ↓
    
把这些文本片段（原始文字）拼接到你的问题前后 → 组成一个更长的 prompt
    
   ↓
    
整个 prompt 被切成 token → 每个 token 查表转成向量（token embedding）
    
   ↓
    
模型逐 token 生成回答
    
（若开启思维链：先生成一段"思考文字"，再基于这段文字生成最终答案）

    一句话总结：检索用的向量和模型输入用的向量是两套不同的东西，功能不同；网页信息最终是以文字形式、而非向量形式进入模型的生成过程。

  • 打飞机 07-28 13:20
    7楼

    还是小心一点吧，现在不敢全部YES了

  • barry66688 07-28 13:44
    8楼

    @摸鱼大队长 #1 发布于2026/7/28 13:01:14，编辑于2026/7/28 13:01:42

    这算啥，他都能给在我眼皮底下，把我的防火墙给我打开不让我22 端口访问我的机器。


    666

* 帖子来源NodeSeek
附近帖子
返回
飞读
随机推荐