当前主流 LLM 模型是基于 Transformer 的 Next Token Prediction 机器，通过预训练大量语料库注入世界知识，再使用 SFT 调整输出为对话风格，最后通过 RLHF、RLVR 等后训练方法对齐人类喜好、控制安全风险、提升 Tool Call 正确性、增强泛化能力和 长程代理化编码能力。