要理解大语言模型(LLM)，首先要理解它的本质，无论预训练、微调还是在推理阶段，核心都是next token prediction，也就是以自回归的方式从左到右逐步生成文本。
什么是 token
token是指文本中的一个词或者子词，给定一句文本，送入语言模型前首先要做的是对原始文本进行tokenize，也就是把一个文本序列拆分为离散的token序洌
其中，tokenize是在无标签的语料上训练得到的一个token数量固定且唯一的分词器，这里的token数量就是大家常说的词表
英文中的 Token
- 在英文中，Token 通常是单词、子词或标点符号。一个单词可能对应一个 Token，也可能被拆分为多个 Token。例如，“unhappiness” 可能被拆分为 “un”、“happi” 和 “ness”。
- 一般来说，1 个 Token 对应 3 至 4 个字母，或者约 0.75 个单词。
中文中的 Token
- 在中文中，Token 通常是单个汉字或经过分词后的词语。例如，“人工智能” 可能被拆分为 “人工” 和 “智能”。
- 不同平台对 Token 的定义有所不同。例如，通义千问和千帆大模型中 1 Token 等于 1 个汉字，而腾讯混元大模型中 1 Token 约等于 1.8 个汉字
当我们对文本进行分词后，每个token可以对应一个embedding，这也就是语言模型中的embedding层，获得某个token的embedding就类似一个查表的过程
我们知道文本序列是有顺序的，而常见的语言模型都是基于注意力机制的transformer结构，无法自动考虑文本的前后顺序，因此需要自动加上位置编码，也就是每个位置有一个位置embedding 然后和对应位置的token embedding进行相加
在模型训练或推理阶段大家经常会听到上下文长度这个词，它指的是模型训练时接收的token训练的最大长度，如果在训练阶段只学习了一个较短长度的位置embedding，那模型在推理阶段就不能够适用于较长文本(因为它没见过长文本的位置编码)
语言模型的预训练
当我们有了token的embedding和位置embedding后，将它们送入一个decoder-only的transofrmer模型，它会在每个token的位置输出一个对应的embedding(可以理解为就像是做了个特征加工)
有了每个token的一个输出embedding后，我们就可以拿它来做 next token prediction了，其实就是当作一个分类问题来看待:
- 首先我们把输出embedding送入一个线性层，输出的维度是词表的大小，就是让预测这个token的下一个token属于词表的"哪一个"
- 为了将输出概率归一化，需要再进行一个softmax变换
- 训练时就是最大化这个概率使得它能够预测真实的下一个token
- 推理时就是从这个概率分布中采样下一个token
训练阶段: 因为有 **因果自注意力（Causal Self-Attention）**的存在，我们可以一次性对一整个句子每个token进行下一个token的预测，并计算所有位置token的loss
因果自注意力通过引入一个“掩码”（mask）来实现这一机制。具体来说：
- 在计算注意力权重时，模型会将当前时刻之后的所有位置的注意力权重设置为零。
- 这样，模型在预测下一个词时，只能基于已经生成的词（即前面的词）来进行预测。
推理阶段:以自回归的方式进行预测
其中，在预测下一个token时，每次我们都有一个概率分布用于采样，根据不同场景选择采样策略会略有不同，比如有贪婪策略、核采样、Top-k采样等，另外经常会看到Temperature这个概念，它是用来控制生成的随机性的，温度系数越小越稳定。
代码实现
https://github.com/karpathy/nanoGPT/tree/master
对于各种基于Transformer的模型，它们都是由很多个Block堆起来的，每个Block主要有两个部分组成：
- Multi-headed Causal Self-Attention
- Feed-forward Neural Network
结构的示意图如下：
看图搭一下单个Block
class Block(nn.Module): def __init__(self， config): super().__init__() self.ln_1 = LayerNorm(config.n_embd， bias=config.bias) self.attn = CausalSelfAttention(config) self.ln_2 = LayerNorm(config.n_embd， bias=config.bias) self.mlp = MLP(config) def forward(self， x): x_ = x + self.attn(self.ln_1(x)) x = x + self.mlp(self.ln_2(x_)) return x整个nano-GPT的结构
class GPT(nn.Module): def __init__(self， config): super().__init__() assert config.vocab_size is not None assert config.block_size is not None self.config = config self.transformer = nn.ModuleDict(dict( wte = nn.Embedding(config.vocab_size， config.n_embd)， wpe = nn.Embedding(config.block_size， config.n_embd)， drop = nn.Dropout(config.dropout)， h = nn.ModuleList([Block(config) for _ in range(config.n_layer)])， ln_f = LayerNorm(config.n_embd， bias=config.bias)， )) self.lm_head = nn.Linear(config.n_embd， config.vocab_size， bias=False) # with weight tying when using torch.compile() some warnings get generated: # "UserWarning: functional_call was passed multiple values for tied weights. # This behavior is deprecated and will be an error in future versions" # not 100% sure what this is， so far seems to be harmless. TODO investigate self.transformer.wte.weight = self.lm_head.weight # https://paperswithcode.com/method/weight-tying # init all weights self.apply(self._init_weights) # apply special scaled init to the residual projections， per GPT-2 paper for pn， p in self.named_parameters(): if pn.endswith('c_proj.weight'): torch.nn.init.normal_(p， mean=0.0， std=0.02/math.sqrt(2 * config.n_layer))最后一层用来分类的线性层的权重和token embedding层的权重共享。
训练和推理的forward
首先需要构建token embedding和位置embedding，把它们叠加起来后过一个dropout，然后就可以送入transformer的block中了。
pos = torch.arange(0， t， dtype=torch.long， device=device) # shape (t)# forward the GPT model itselftok_emb = self.transformer.wte(idx) # token embeddings of shape (b， t， n_embd)pos_emb = self.transformer.wpe(pos) # position embeddings of shape (t， n_embd)x = self.transformer.drop(tok_emb + pos_emb)for block in self.transformer.h: x = block(x)x = self.transformer.ln_f(x)接下来看推理阶段
- 根据当前输入序列进行一次前向传播
- 利用温度系数对输出概率分布进行调整
- 通过softmax进行归一化
- 从概率分布进行采样下一个token
- 拼接到当前句子并再进入下一轮循环
@torch.no_grad() def generate(self， idx， max_new_tokens， temperature=1.0， top_k=None): """ Take a conditioning sequence of indices idx (LongTensor of shape (b，t)) and complete the sequence max_new_tokens times， feeding the predictions back into the model each time. Most likely you'll want to make sure to be in model.eval() mode of operation for this. """ for _ in range(max_new_tokens): # if the sequence context is growing too long we must crop it at block_size idx_cond = idx if idx.size(1) <= self.config.block_size else idx[:， -self.config.block_size:] # forward the model to get the logits for the index in the sequence logits， _ = self(idx_cond) # pluck the logits at the final step and scale by desired temperature logits = logits[:， -1， :] / temperature # optionally crop the logits to only the top k options if top_k is not None: v， _ = torch.topk(logits， min(top_k， logits.size(-1))) logits[logits < v[:， [-1]]] = -float('Inf') # apply softmax to convert logits to (normalized) probabilities probs = F.softmax(logits， dim=-1) # sample from the distribution idx_next = torch.multinomial(probs， num_samples=1) # append sampled index to the running sequence and continue idx = torch.cat((idx， idx_next)， dim=1) return idx温度参数（Temperature）的作用
温度参数temperature是一个超参数，用于控制生成文本的随机性。它的作用是调整 logits 的分布，从而影响最终的概率分布。
具体来说：
temperature > 1：增加随机性- 当温度参数大于 1 时，会放大logits 的值，使得 logits 的分布更加“平坦”。
- 这意味着在 softmax 转换为概率分布后，各个 token 的概率会更加接近，从而增加生成结果的随机性。
- 例如，假设原始 logits 是
[10， 20， 30]，除以温度参数 2 后变为[5， 10， 15]，经过 softmax 后，概率分布会更加均匀。 temperature < 1：减少随机性- 当温度参数小于 1 时，会缩小logits 的值，使得 logits 的分布更加“尖锐”。
- 这意味着在 softmax 转换为概率分布后，高概率的 token 会更加突出，而低概率的 token 的概率会进一步降低，从而减少生成结果的随机性。
- 例如，假设原始 logits 是
[10， 20， 30]，除以温度参数 0.5 后变为[20， 40， 60]，经过 softmax 后，概率分布会更加集中在高概率的 token 上。 temperature = 1：保持原始分布- 当温度参数等于 1 时，logits 不变，模型的输出概率分布保持原始的预测结果。
为什么要调整温度参数？
- 增加随机性（
temperature > 1）： - 有助于生成更多样化的文本，避免模型总是生成相同的、高概率的 token。
- 适用于需要创造性或多样性的场景，例如诗歌生成、故事创作等。
- 减少随机性（
temperature < 1）： - 有助于生成更稳定、更符合预期的文本，减少生成的噪声。
- 适用于需要高准确性的场景，例如机器翻译、问答系统等。
普通人如何抓住AI大模型的风口？
领取方式在文末
为什么要学习大模型？
目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。
目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。
随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：
人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！
最后
只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！
在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。
真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】
大模型全套学习资料展示
自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。
希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！
01教学内容
从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！
大量真实项目案例：带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
02适学人群
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
vx扫描下方二维码即可
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】
本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！
03入门到进阶学习路线图
大模型学习路线图，整体分为5个大的阶段：
04视频和书籍PDF合集
从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）
新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）
05行业报告+白皮书合集
收集70+报告与白皮书，了解行业最新动态！
0690+份面试题/经验
AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）
07 deepseek部署包+技巧大全
由于篇幅有限
只展示部分资料
并且还在持续更新中…
真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】
