泛化能力就是：模型在没见过的新数据上，依然能表现良好的能力。
这正是接着"拟合"来理解最自然的概念——恰好拟合的模型，就是泛化能力强的模型。
和之前聊的"拟合"直接关联：过拟合的模型泛化能力差（死记答案），欠拟合的模型泛化能力也差（连规律都没学会），只有恰好拟合的模型，才真正具备泛化能力。
为什么大模型的泛化能力特别令人惊讶？
GPT、Claude 这类模型训练完成后，从未专门学过"写诗""调试代码""翻译藏语"这些任务，但它们都能做——这就是泛化能力的体现。背后的原因是：语言本身有深层的共同规律，模型学到的不是具体内容，而是语言的底层逻辑。
这也是大模型和传统搜索引擎最本质的区别：搜索引擎只能检索见过的内容，而大模型能在没见过的情境下推理出新答案。
