文字生成 (Text generation)

LLM 最核心的任务：根据 prompt 产生自由格式的文字，涵盖 chat、写作、补全等所有输出本身为自然语言的场景。

Text generation（文字生成）是 LLM 任务的总称：根据 prompt 产出自然语言文字。涵盖从补完一个句子（「the quick brown fox...」）到写文章、报告、代码、email、摘要、对话、营销文案，或任何输出本身是自由格式文字的东西。它重要的原因是：文字生成是 LLM 的默认使用场景——几乎每个消费者面 AI 产品（ChatGPT、Claude、Gemini、Kimi）本质上都是文字生成接口。LLM 能透过这种方式处理的任务广度，让技术这么灵活：同一个模型能起稿营销文案、重构 code、翻译、头脑风暴、辅导学习，全部用同一个通用接口。简单例子：你给模型「写一首关于台北的俳句」，它产出三行诗。或「继续这个故事...」，它接写一段。或「回复这封客户 email...」，它生草稿。同一个模型处理这所有任务，不需要任务特定训练。底层上，文字生成是模型自回归地一次一个 token 预测，每一步都受前面所有东西影响。Sampling 参数（temperature、top-p）控制多样性。质量取决于 prompt、模型、跟 decoder 噪声处理方式。延伸阅读：chat、summarization、code generation、sampling、decoding。