本教案配套「大模型是怎么『想』的」资源包，面向全校各专业的 AI 通识课与学科融合课，不需要数学与编程基础。

这节课要解决的是学生问得最多、老师最难三言两语讲清的那个问题：它到底懂不懂。

一、这节课要让学生带走什么

学完这节课，学生应当能做到三件事：说清大模型处理一句话的三个环节；解释为什么同一个问题问两次答案可能不一样；判断什么场景下不能把大模型的回答直接当结论。

不要求学生理解 Transformer 结构，不出现矩阵与向量。

二、先说清一件事：这节课用的是演示，不是实测

演示页顶部有一段黄色提示，请务必念给学生听：页面上的分词、注意力与候选词概率，都是为讲清机制而人工标注的，不是真实模型的输出。

这不是免责声明，它本身就是教学内容。学生今后会大量接触各种「AI 原理动图」，分得清哪些是示意、哪些是实测，是 AI 素养的第一课。真实模型的注意力是几十层、几十个头的密集数值，人眼读不出故事；演示页把它简化到能讲的程度，代价是失去了真实性，这个代价要讲明白。

三、学情与易错点

误解	学生会怎么说	怎么破
以为它在查数据库	「它是不是把答案搜出来了」	演示第三页：它一次只写一个词，没有完整答案可查
以为注意力就是理解	「它把『他』看成老师了」	演示第二页：注意力说明信息从哪些词汇集，不能由百分比推出它的语义判断
以为回答稳定	「昨天问它明明不是这么说的」	温度滑块，当场把同一句话生成两次
以为它知道自己错了	「它怎么会一本正经胡说」	逐词元生成本身不保证事实正确；接了检索、工具或核验流程的应用能改善可靠性，但输出仍要看证据

四、45 分钟版

时间	环节	老师做什么	学生做什么
0–5 分	开场提问	问：你们觉得 AI 回答问题时，是先生成好整段再显示，还是一个词元一个词元地往外写	举手表态，记下两边人数
5–8 分	讲清演示的边界	念黄色提示，说明示意与实测的区别	听
8–16 分	第一页·分词	切换三个例句，重点讲「交给」没被拆开	猜下一句会被切成几块
16–28 分	第二页·注意力	用「小明把作业交给老师，他很满意」，点「他」；再切到第二句，先点「苹果」再点「手机」	先自己判断「他」指谁，再看示意权重，讨论「权重高能不能说明它这样理解」
28–38 分	第三页·生成	单步生成，调温度，同一句连生成两次；再让学生点一个不是最高的候选词	观察两次结果是否相同，以及换一个词之后后面怎么变
38–45 分	回到开场问题	揭晓：它是逐词元生成的（这是可观察的机制，不等于人的「思考过程」）。讨论这意味着什么	说出至少两条使用注意事项

五、90 分钟版

前 45 分钟同上。后 45 分钟做两件事。

第 46 到 70 分钟，按实验手册完成「核验一次 AI 的回答」任务：学生用自己常用的 AI 工具，就本专业的一个具体问题提问，记录回答，再逐条核实事实。查到错误、全部正确、证据不足、AI 拒答都是有效结果，评分看证据质量。这个任务不需要编程，但要求学生查证，是本节课的落点。

第 71 到 90 分钟，分组汇报核实结果，按评价量规互评。教师收尾时把学生的核验结果归类（查到错误、全部核验正确、证据不足、AI 拒答），指出：逐词元生成本身不保证事实正确，所以无论这次结果如何，涉及具体事实的都要看证据。

六、提问脚本

第一页切到第二句时问：「苹果」这两个字，编号和水果的苹果是同一个吗。答案是同一个。追问：那它怎么知道这里说的是公司。留到第二页揭晓。

第二页切到这一句时，先点「苹果」：它是句子的第一个词，前面没有别的词，只能看它自己，所以条形只有它自己一根。这里要说明白一件事 —— 模型是从左往右读的，读到「苹果」的那一刻，它还看不见后面的「发布」和「手机」，所以这时它分不出水果还是公司。再点「手机」，它从「苹果」「发布」汇集信息，后面的词把前面的词带进来一起算。这也解释了为什么整页的注意力条里永远不会出现排在后面的词。

第二页点「他」之前先问：你们觉得「他」指谁。通常班里会分成两派。这时再点开注意力，让学生看到示意权重在两者之间都有分配。关键追问：权重给「老师」更多，能不能说明模型「认定」他是老师。答案是不能 —— 注意力只说明信息从哪里汇集，不是指代判断；真实模型有几十层、几十个头，研究也表明注意力权重不能直接当作解释。

第三页调温度前问：为什么有人说 AI 每次回答都不一样，有人说它每次都一样。把温度拉到最左和最右各生成一次。

然后做一次对照：按「重来」，这次不用按钮抽签，直接点候选列表里一个不是最高的词（比如第二句第一步点「要求」而不是「先」），下一步的候选会当场换成另一批，整句话跟着走到另一个方向。这就是「把刚写的词也当成输入」的意思。页面上那段琥珀色小字要一并念给学生：候选词和概率是预先标好的示意，真实模型每写一个词都要把前面整段重读一遍，再从几万个词里重算。

收尾必问：在我们看到的这三个环节里，哪一个环节是在核对「这句话是不是真的」。答案是这三个环节里没有。所以语言生成本身不保证事实正确；有的应用会另外接检索、工具或核验步骤来改善可靠性，但即便如此，输出仍要对照证据检查。这是这节课最重要的一句话。

七、板书要点

三行，全程保留：

切成词元。分配注意力。一次写一个词。

下面补一行结论：生成本身不保证事实正确，涉及事实就要看证据。

八、与课程思政的结合

本节课天然可接入两个议题：一是学术诚信，学生用 AI 写作业时，AI 并不知道自己在编造；二是信息甄别，面对任何 AI 生成的内容，核实的责任在使用者。建议用第 90 分钟的最后三分钟落到这两点，不要单独加一节课。

九、教师自查

上课前请自己把三页都点一遍，特别是第三页的温度滑块。演示页在线打开即可，请在教室电脑上确认校园网能正常加载（AI 课件库只提供在线使用）。

一个问题，先举手

• AI 回答问题时，是先生成好整段再显示？
• 还是一个词元一个词元往外写？
• 记下两边的人数，下课前揭晓

  不要提前公布答案，这个悬念撑起整节课。

先说清楚：这是示意，不是实测

• 演示页的数值是人工标注的
• 真实模型的数值人眼读不出故事
• 分得清示意与实测，本身就是 AI 素养

  务必念一遍演示页顶部的黄色提示。

第一步：它读到的不是字

• 句子先被切成一块块「词元」
• 每个词元换成一个编号
• 常见搭配会被切成一整块

  打开演示页第一页，切三个例句。

同样两个字，同一个编号

• 「苹果很甜」的苹果
• 「苹果发布手机」的苹果
• 编号一模一样
• 那它怎么区分？

  留悬念，第二步揭晓。

第二步：它从哪些词里汇集信息

• 模型从左往右读，每个词只能看它自己和前面的词
• 给这些词各分一个权重（注意力）
• 权重高 = 从那个词汇集的信息多，不等于「理解」

  演示第二页：先点「苹果」—— 它是第一个词，只能看自己，这时还分不出水果还是公司；再点「手机」，看它从「苹果」和「发布」汇集信息。

「他」到底指谁

• 小明把作业交给老师，他很满意
• 示意权重：老师 52%，小明 24%，他自己 10%
• 能不能说「模型认定他是老师」？不能
• 注意力说明信息从哪来，不是指代判断

  先让学生表态，再点开看。演示数值是人工示意，非模型实测。

第三步：一次只写一个词

• 不会一次想好整句
• 每次只算「下一个词最可能是什么」
• 写下来，再把它当输入，算下一个

  演示第三页，单步生成。让学生点一个不是最高的候选词，看后面的候选立刻换了一批。

温度：为什么同一个问题答案会变

• 温度低：几乎总选概率最高的词
• 温度高：几个候选被拉平，可能选到后面的
• 同一句连生成两次，当场对比

  把滑块拉到最左和最右各跑一次。

回到开场那个问题

• 它是逐词元生成的
• 每一步算「下一个词元的概率」，再选一个写下
• 这是可观察的机制，不等于人的「思考过程」

  公布开场投票的答案。

最重要的一句

• 这三个环节里，哪一步在核对「这是不是真的」？
• 这三步里没有
• 所以生成本身不保证事实正确
• 接了检索或工具的应用能改善，但仍要看证据

  板书最后一行写在这里。

本实验不需要编程，约需 25 分钟，可在课堂后半段完成，也可作为课后作业。目标是让学生亲手核验一次 AI 的回答：结论可能是查到错误、全部核验正确、证据不足或 AI 拒答，四种都是有效结果。评分看核验过程是否可复核、结论是否与记录一致，不看有没有「抓到 AI 出错」。

一、准备

任何一个学生能用的 AI 对话工具都可以。手机或电脑均可。需要能上网查证。

二、任务：核验一次 AI 的回答

第一步：挑一个你查得动的问题（5 分钟）

在本专业范围内，想一个满足三个条件的问题：有确定答案、答案能在权威来源查到、不是常识。

好问题的例子：某个国家标准的最新版本号是什么。某本教材第几章讲的是什么内容。某个行业规范对某项指标的具体数值要求是多少。

不好的例子：什么是人工智能（没有唯一答案）。今天天气怎么样（AI 本来就不知道）。

第二步：问 AI，原样记录（5 分钟）

把问题发给 AI，把回答完整复制下来，不要改写、不要只记大意。同时记下工具或模型名称、日期、是否联网。特别注意回答里有没有具体的数字、标准号、条款号、书名、页码、人名、年份。

第三步：逐条核实（10 分钟）

把回答里的内容先分成三类：事实（数字、标准号、书名、年份等）、推断、建议。把需要核实的事实逐条去查，查证来源要写明：官方网站、教材原文、国家标准全文公开系统等。

用下面这张表记录：

回答里的说法	类型（事实/推断/建议）	核验结果（属实/有误/证据不足）	我查的来源

第四步：再问一次（5 分钟）

把完全相同的问题重新发一遍，最好新开一个对话。对比两次回答是否一致。如果不一致，记下差在哪。

第五步（选做）：给资料再问一次（5 分钟）

把你在第三步查到的权威资料原文贴给 AI，要求它只依据这段资料回答同一个问题，并标出依据的原句。对照：回答、它标的引用、资料原文三者是否一致。两种条件下都可能答对，也都可能出错，如实记录即可，不要预设结果。

三、要回答的三个问题

第一，你的核验结论是什么：查到错误、全部核验正确、证据不足，还是 AI 拒答。如果查到错误，错的是哪一类信息（数字、名称、年份、来源）；如果全部正确或证据不足，写清你是怎么确认的、还缺什么证据。

第二，两次回答一致吗。结合课上讲的温度，解释为什么。

第三，AI 在给出那个错误答案时，语气上有没有表现出不确定。这一条通常最让学生印象深刻。

四、预期结果

不少学生会在涉及具体编号、年份、条款、页码的信息上查到错误，且 AI 的语气与正确回答时往往没有区别；也会有学生核验后全部正确，或找不到足够的权威来源。这正是本节课要落到的点：生成本身不保证事实正确，所以说错和说对时的「自信程度」可能一样。

如果全班都没查到错误，不必追着换问题找错 —— 如实的「全部正确」同样是好结果。若课堂时间允许，教师可提供一个备用问题做对照：让 AI 说出某本专业教材某一章的具体小节标题。

五、常见问题

现象	说明
AI 说「我不确定」或拒绝回答	这是一种有效结果，如实记录。有时间可以换一个问题再做一次
两次回答完全一样	该工具可能把温度设得很低。这不影响结论，在第二问里如实写
AI 给出了参考链接	一定要点开核实。编造链接是常见的一类幻觉
学生找不到权威来源	查证能力本身是这个实验的一半价值，教师可现场示范一次

六、提交什么

提交一页纸：你的问题、工具与日期、AI 的完整回答、核验表、三个问题的回答。评分依据见配套的评价量规。

七、给教师的提醒

这个实验会让一部分学生对 AI 产生过度否定。收尾时要平衡：生成本身不保证事实正确，所以凡是涉及具体事实的必须看证据；但在归纳、改写、提供思路这些不依赖事实准确性的任务上，它仍然很有用。这节课的目的是学会分辨，不是劝退。

本习题配套「大模型是怎么『想』的」资源包，不涉及数学与编程，适合全校各专业。每题后附评分要点。

一、概念题

1. 用不超过 60 字说明大模型处理一句话的三个环节。

评分要点：切成词元、用注意力从上下文汇集信息、一次写一个词元。三层齐全给满分，缺一层扣三分之一。把注意力说成「理解」或「判断含义」的，这一层只给一半。

2. 「苹果很甜」和「苹果发布了新手机」，这两个「苹果」在模型眼里的编号是否相同？它靠什么区分含义？

评分要点：编号相同。靠上下文：模型从左往右读，读到「苹果」时它还分不出来；等读到后面的「甜」或者「手机」，这些词把「苹果」带进来一起算，所处上下文不同，得到的表示也就不同。答成「注意力决定了含义」的不扣分，但教师应补一句：权重说明信息从哪来，不等于模型的语义判断。演示页下拉框里两句都有，可现场对照。

3. 为什么同一个问题问两次，AI 的回答可能不一样？

评分要点：每一步是在若干候选词里按概率选一个，不是永远选概率最高的。温度越高，选到后面候选的可能性越大。

二、判断与说明

4. 判断下面三句话的对错，并各用一句话说明理由。

第一句：AI 回答问题时，是先把整句话想好再输出的。

第二句：AI 说得很肯定的时候，说明它比较有把握。

第三句：AI 给出的参考文献一定是真实存在的。

评分要点：三句全错。理由分别是：它逐个词元生成，不是先把整句想好；语气与事实正确性无关，生成本身不保证正确；编造文献与链接是常见的一类幻觉。对第二句，若学生补充「接了检索或核验的应用可靠性会提高，但仍要看证据」，给附加分。

5. 有同学说：「AI 会胡说，是因为训练数据里有错误信息。」这个解释完整吗？

评分要点：不完整。训练数据有噪声是一个原因，但更根本的是生成本身不保证事实正确 —— 即使训练数据全对，逐词元生成时仍可能组合出没有出现过的错误说法。能指出「生成机制本身不保证正确」即可给满分；进一步指出「检索、工具或核验步骤可以改善，但不能免去查证」的给附加分。

三、应用题

6. 下面是某学生用 AI 写的实训报告片段。请指出其中哪些内容必须自己核实，哪些可以直接采用。

本次实训采用 GB/T 19001—2016 标准第 7.5 条的要求，对三批样品进行检测。检测方法参考《质量管理体系基础》第四章。实训过程中我们发现，样品的一致性明显优于预期，这可能与前处理环节的温度控制有关。

评分要点：这段里没有一句可以直接采用。

必须外部查证的是标准号、年份、条款号、书名与章节号 —— 全是具体事实。最后一句「我们发现样品的一致性明显优于预期」看着像观察结论，其实同样是 AI 接出来的：它不在实训现场，没见过学生的样品，这句话必须拿自己的实测数据核对，对不上就得删掉重写。能把片段分成三类即为掌握：需要外部查证的事实、需要用自己的实验记录核对的「我们发现」、以及在核对之后才轮到学生自己负责的分析与推测。

备课提示（GB/T 19001—2016 条款）：这处引用是片段里一处货真价实、学生查得到的错误。GB/T 19001—2016《质量管理体系 要求》（等同采用 ISO 9001:2015，2016-12-30 发布、2017-07-01 实施，现行有效）第 7.5 条是「成文信息」，下设 7.5.1 总则、7.5.2 创建和更新、7.5.3 成文信息的控制，讲的是文件与记录的管理，与「对三批样品进行检测」无关。与检测、测量真正相关的是第 7.1.5 条「监视和测量资源」（7.1.5.1 总则、7.1.5.2 测量溯源）；产品放行在 8.6，不合格输出的控制在 8.7。学生若指出「7.5 条是成文信息，跟检测样品对不上」，属满分表现，请按对处理。

7. 你的老师要求「不许用 AI 写作业」。结合这节课学到的机制，说说你认为这条规定的合理之处与不合理之处。

评分要点：开放题。合理方向：涉及事实的部分若不核实会出错，且学生无法为自己不理解的内容负责。不合理方向：用于查资料、改语句、提供思路并不等于代写。关键看是否用本节课的机制解释，而不是泛泛而谈。禁止只表态不说理。

8.（实践）完成实验手册的「核验一次 AI 的回答」任务，写出你的核验结论（查到错误 / 全部核验正确 / 证据不足 / AI 拒答）和核验过程。

评分要点（100 分，按证据质量给分，不按是否查到错误给分）：问题与记录 20 分（问题、工具或模型、日期、联网状态、完整回答）；事实拆分 20 分（区分事实、推断与建议，提取需核实的主张）；查证过程 40 分（可访问的权威来源，逐项对应主张）；结论与边界 20 分（结论与记录一致，承认不确定性，不选择性报告）。「查到错误」和「全部核验正确」两种结论，证据同样扎实即可得同样的高分；证据不足时如实写明、不硬下结论，同样可得高分。只写「我发现它说错了」而无来源的，查证过程不给分。

本量规用于「大模型是怎么『想』的」实验与讨论环节的过程性评价。可直接用于课堂互评，也可作为 AI 教改课题的过程性评价证据留存。

四个维度各 25 分，合计 100 分。建议教师评与学生互评各占一半。

维度一：机制理解（25 分）

等级	分值	表现描述
优秀	22–25	能用自己的语言说清三个环节，指出生成本身不保证事实正确，并能区分基础生成与接了检索、工具的应用
良好	17–21	能说清三个环节，需提示才能联系到幻觉
合格	13–16	能复述环节名称，解释时有混淆
待改进	0–12	仍认为 AI 是在检索已有答案

维度二：查证过程（25 分）

等级	分值	表现描述
优秀	22–25	逐条拆出事实性信息并注明权威来源，来源可复核
良好	17–21	核实了主要信息，来源标注不够具体
合格	13–16	做了核实，但只查了一两条或来源不权威
待改进	0–12	未实际查证，或直接用另一个 AI 来验证前一个 AI

维度三：结论表达（25 分）

等级	分值	表现描述
优秀	22–25	用自己的核验记录支撑结论（查到错误、全部正确、证据不足均可），区分开事实性内容与分析性内容，承认不确定性
良好	17–21	结论正确，与实测数据的联系不够紧
合格	13–16	复述课堂结论，未结合自己的实验
待改进	0–12	结论与自己记录的数据相互矛盾，或只报告对结论有利的部分

维度四：使用态度（25 分）

等级	分值	表现描述
优秀	22–25	既能说出必须自己核实的边界，也能说出 AI 确实好用的场景，态度有依据
良好	17–21	能说出边界，对可用场景表述笼统
合格	13–16	只强调一面（全盘信任或全盘否定），但有一定理由
待改进	0–12	无依据的全盘信任或全盘否定

用作课题证据时

若本节课用于 AI 教学改革课题的过程性材料，建议留存四样：本量规的评分表原件、学生提交的核实表、课堂投票两次结果的照片或记录、教师的一段教学反思（不少于 200 字，写清学生找到的错误集中在哪一类信息上）。

学生提交的核实表里如含具体人名，留存前请脱敏。