Updated 超音数设计思路 (markdown)

超音数设计思路.md

@@ -7,13 +7,12 @@
 - 为了让LLM理解schema，需要将所有字段的名称和描述作为context输入，如果schema字段数量多，可能会超过token限制。
 - 同样因为token的限制，基数过大的字段取值一般不会全部放入context，使得LLM无法识别到专有领域的一些术语。
 
-**稳定性问题：**
+**幻觉问题：**
 
-- 即便将schema全部输入且告知LLM不要随意猜测，仍然有一定几率会推测出错误的字段，甚至可能幻觉出不存在的字段。
+- 即便将schema全部输入且告知LLM不要随意猜测，仍然有一定几率会预测出错误的字段，甚至可能幻觉出不存在的字段。
 - 如果涉及多表关联、运算公式、时间转换等情况，SQL语法较为复杂，LLM出错概率会变高。
-- 如果底层OLAP引擎有特殊方言，LLM也无法保证准确度。
 
-**效率相关问题：**
+**推理效率问题：**
 
 - 当前LLM推理速度还处在10秒+量级，再加上底层数据查询的耗时，同时还无法像纯文本那样的流式输出，非常考验用户的耐心。
 - 当前LLM主流是按token计费，如果所有查询都需要走LLM，MaaS成本会随着查询量线性增长。