大模型理论基础1

大模型理论基础1

第一章：引言

语言模型

• 自回归语言模型

概率的链式法则：

在自回归语言模型 p 中生成整个序列 X1:L，我们需要一次生成一个令牌(token)，该令牌基于之前以生成的令牌进行计算获得：

其中T≥0 是一个控制我们希望从语言模型中得到多少随机性的温度参数：
T=0：确定性地在每个位置 i 选择最可能的令牌 xi
T=1：从纯语言模型“正常（normally）”采样
T=∞：从整个词汇表上的均匀分布中采样 然而，如果我们仅将概率提高到 1/T 的次方，概率分布可能不会加和到 1。我们可以通过重新标准化分布来解决这个问题。我们将标准化版本 p T(x i∣x 1:i?1)∝p(xi∣x 1:i?1)1/T称为退火条件概率分布。
N-gram模型

• 语言模型首先被用于需要生成文本的实践应用：噪声信道模型通过贝叶斯定理实现
• 语音识别和机器翻译系统使用了基于词的n-gram语言模型
• n-gram模型被训练在大量的文本上
  

神经语言模型

• 首次提出了神经语言模型，其中 p(x i ∣x i?(n?1):i?1 ) 由神经网络给出：
  p(cheese∣ate,the)=some?neural?network(ate,the,cheese)
• Recurrent Neural Networks（RNNs），包括长短期记忆（LSTMs），使得一个令牌x i 的条件分布可以依赖于整个上下文 x 1:i?1（有效地使 n=∞ ），但这些模型难以训练。
• Transformers是一个较新的架构（于2017年为机器翻译开发），再次返回固定上下文长度n，但更易于训练（并利用了GPU的并行性）。此外，n可以对许多应用程序“足够大”（GPT-3使用的是n=2048）。