參數（parameter）

參數，是模型在學習時不斷調整的內部數字之一——它要擰的一個旋鈕。想像一台調音台：每根推桿控制聲音的一部分，你把它們上下推動，直到混音聽起來對味。模型的參數，正是這些推桿，只不過它們可能成千上萬、數以百萬計，在今天的大語言模型裡甚至上千億，而且機器是在訓練中自動設定它們，不是靠耳朵去調。

具體來說，參數就是填滿模型所選形式的那些數字。在直線 價格 = a × 面積 + b 中，斜率 a 和截距 b 就是它的兩個參數。訓練，無非就是去搜尋那樣一組參數取值，使模型的答案盡可能貼近已知答案——把每根推桿一點一點地擰動，好讓錯誤變小。訓練一停，參數就凍結下來，而這一套凍結的數字，本質上就是訓練好的模型。

參數越多，模型能捕捉的模式就越精細——但這並非免費。相對於資料量參數過多的模型，可能把訓練例子背下來，而不是學到真正的規律（過擬合），執行起來也更耗記憶體和算力。你聽說的那些巨型模型動輒多少億參數，只是對「容量」的粗略代稱，並不保證品質：一個更小、訓練扎實的模型，常常勝過一個臃腫、卻餵著劣質資料的模型。