想学学大模型

AI -> 机器学习

机器学习 -> 监督学习

机器学习 -> 无监督学习

机器学习 -> 强化学习

机器学习 -> 深度学习

深度学习 -> 生成式AI

大语言模型功能展示

大语言模型之“大”

大语言模型之“通用”

“最大功臣”：Transformer

Transformer之前的方式 RNN

初识Transformer的优势

Transformer的优势 -> 关注所有此，自注意力机制

Transformer的优势 -> 并行计算-位置编码

输出本质：预测出下一个出现概率最大的词

第一步 - 数据预处理

第二步 - 编码器

第三步 - 解码器

第四步 - Linear层和Softmax层

Transformer 的变形

大语言摸行诞生的全过程

LLM诞生第一步：通过无监督学习得到基座大模型

LLM诞生第二步：通过监督学习得到微调后的基座大模型

LLM诞生第三步：通过人工平价和有监督学习得到评价模型

LLM诞生第四步：通过强化学习不断提升模型回复质量