什么是「幻觉（hallucination）」？为什么大模型会一本正经胡说，怎么减少？
流畅但与事实不符的生成。根因是它本质在「猜下一个最像的词」，不真「知道」对错。减少三招：挂知识库（RAG）让它有据可依、加「找不到就说不知道」的兜底、对关键输出做二次校验。
什么是 MoE（混合专家）模型？为什么 2026 很多大模型都用它？
把大模型拆成很多「专家」子网络，每次推理只激活一小部分。好处是「总参数大（能力强）、单次算得少（更省更快）」——养一屋子专家，每次只叫最对口的几个来干活。
什么是量化（quantization）？为什么它能让大模型跑在更小的显卡上？
把参数从高精度（如 16 位浮点）压成低精度（8 位/4 位整数），显存和计算量随之大降，精度略损。像把高清图压成小体积，肉眼几乎看不出差别。GPTQ/AWQ 是常见方案。
什么是 Function Calling（函数调用）？和普通聊天有什么不同？
普通聊天是模型「用文字回你」；Function Calling 是模型判断「该调工具了」，输出结构化指令（调哪个函数、传什么参数），由你的程序真正执行再把结果喂回。它是 Agent 能「动手」而不只「动嘴」的底层机制。
什么是 grounding（接地/有据可依）？为什么它是评估 AI 客服好坏的关键？
模型回答是否真基于给定资料而非自己编的。评 AI 客服光看「流不流畅」不够，要看「每句能不能在原文找到出处」——groundedness 高才说明没瞎编，是 2026 LLM 上线评测的高频硬指标。