36图AI圈136个新词奥秘，这些词汇背后隐藏着怎样的秘密呢？

打开「36图」背后的密码：AI 圈 136 个新词到底藏了什么？

如果你在某次技术沙龙里被一张像拼图的「36 图」刷屏， 瞬间被「136」这个数字砸中脑袋，你可能会惊呼：「这到底是怎么回事？」这不是随手列出的术语清单，而是一场由科研、产品和营销共同编织的“造词实验”。每一个新词背后都映射着行业痛点、技术突破以及商业机会。下面 我把这些热词拆解成几大板块，用最贴近生活的语言告诉你，它们究竟想解决什么问题，又该如何在实际项目中落地。

一、评估体系——Evals：从实验室走向生产线

Evals：从实验室走向生产线。这套框架提供统一的数据集、评分指标以及可视化报告，使团队能够快速定位模型瓶颈。比方说 在一次内部测评中发现 Agent 在调用外部 API 时错误率飙升，立刻通过 Evals 报告定位到超时阈值设置过低，从而进行针对性调优。

所以 下次当你看到「XXX+Y」的组合式名称时请先停下来想象它能解决哪个痛点，再去搜索原始论文或开源实现——这样， 盘它。 你就不会被营销噱头牵着鼻子走，而是真正站在技术前沿，与 AI 圈子里的同行一起共同进步。

二、 微调三位一体——LoRA + SFT + RLHF

LoRA 是一种低秩适配技术，只需要改动原始权重的一小部分就能实现针对性学习；SFT负责把模型娱乐成能够遵循明确指令的助手；RLHF再把人类偏好注入奖励模型， 最终的最终。 让回答更贴近真实需求。三者组合后 你会得到一个既懂业务，又不会随意「瞎扯」的专属模型——这正是今年众多创业公司抢占 API 市场的制胜法宝。

三、 多模态检索增强生成——MiniMax 的“看图答疑”

MiniMax 主打多模态检索增强生成场景，用 CLIP+ViT 把图片映射为向量，再交叉查询内部知识库，实现「看图答疑」。