让大模型从 1 到 10 随便挑一个数，它常选 7。流行解释把原因归到“梯度下降”——模型反复调整参数、降低训练误差的方法。但据 Towards Data Science 文章分析，这只说了模型怎样学习，没解释它学到了什么，更没解释生成答案时发生了什么。
文章把机制拆成三步：人类文本本就更常把 7 当作“随机数字”；预训练再通过交叉熵训练，把这种不均匀偏好学成概率分布；后训练与解码则可能继续放大差距。temperature（生成时调节概率差距的旋钮）尤其直观：在文中的示例里，首选答案原占 30%，temperature 调到 0.5 后升至约 58%。
这篇文章更有价值的地方，是示范如何检验一个听起来合理的机制解释：别停在算法名称上，要逐段追问偏好从哪里来，又在哪一步被放大。