困惑度最早用来评估大语言模型的，这玩意儿主要是衡量大语言模型预测能力的一种指标，值越低，说明这个模型对预测的效果越好。这个概念最早是在NLP里面，后来被用到大语言模型去了。

困惑度越低，说明模型对给定上下文预测下一个词的概率分布越确定，即模型更“ 自信”。

也意味着模型在给定上下文的情况下能够更准确地预测下一个词。

例如：“中国的首都是”，模型预测下一个词为“北京”的概率非常高，困惑度很低，因为这是一个常见的句子。

同时也可能带来一个问题是：预测多样性较低！所以这种确定性很高。

与人类相比

人类经常会撰写不常见组合，充满了多样性，因为多样性很高，所以他的困惑度也很高。

人类拥有很高的爆发力和随机性，所以这里面会涉及到一个专业概念“文本爆发度”。

所以，很多人会使用提示词来改变这种情况，来越过提示词，所谓的降AI。当然，越不过我们的AI检测器，因为我们的AI检测器把这个漏洞补了。哈哈

但是，对付一些简单的AI检测器，足够了！