Inference-time data

可以先理解为:Agent执行任务时使用的数据

模型训练时读的是课本;agent 做任务时临时查到、拿来用的资料,就是 inference-time data。

关键结构图

当前相关远处弱强

中心节点写「Inference-time data」,周围连接 Agentic Web、Content marketplace、Agentic inference,用细线表示相邻路径和调用方向。

Inference-time data 是 agent 或模型在执行任务时读取、检索、组合和使用的数据。它不同于训练数据和后训练数据,价值发生在具体任务执行的那一刻。

当你需要理解模型之外还有哪些基础设施支撑 AI 能力时,可以用「Inference-time data」命名这块砖,再连接相邻概念继续判断。

训练数据决定模型学过什么;inference-time data 决定 agent 此刻能用什么。 Agentic Web 的商业问题正是:谁的数据在推理时产生了价值,该如何计量和分配。

在拆解一个 AI 系统为什么能稳定运行时,你可以用「Inference-time data」标记其中最需要被看见的结构,再检查它提供了什么证据、边界或行动方向。

在整理「AI 基础设施」主题时,把「Inference-time data」和「Agentic Web」放在同一路径里,可以帮助读者从单点概念走向可复用的判断框架。

类型:系统结构 / 概念整理

事实线:这张卡把「Inference-time data」整理为概念提炼: Inference-time data 是 agent 或模型在执行任务时读取、检索、组合和使用的数据。

依据:1000 Bricks 本地砖块库的概念定义、相邻砖块关系和AI 基础设施、系统架构和工具链讨论。

边界:适用于「AI 基础设施、算力、存储、运行时和工具系统」主题下的理解、复盘和设计判断;不等于行业统一标准或对所有场景都成立的结论。

常见误读:不要把它当作某篇材料的原文摘要,也不要因为概念名清晰就忽略具体情境和验证证据。