网站建设的开题报告简易博客网站模板下载

网站建设的开题报告,简易博客网站模板下载,广西住房及城乡建设厅网站,wordpress怎么做背景图片站在大语言模型外部看需要准备些什么样的训练数据#xff0c;分什么阶段#xff0c;怎样去训练大语言模型#xff0c;把大语言模型看成一个黑盒。 LLM都是如何训练出来的呢#xff1f; GPT的训练分为以下3个阶段#xff1a; 1、预训练Pretrain 2、监督微调SFT (Superv…站在大语言模型外部看需要准备些什么样的训练数据分什么阶段怎样去训练大语言模型把大语言模型看成一个黑盒。LLM都是如何训练出来的呢GPT的训练分为以下3个阶段1、预训练Pretrain2、监督微调SFT (Supervised Fine-Tuning)3、基于反馈的强化学习RLHF包含了Reward Model、PPO (Proximal Policy Optimization)一、Pretrain预训练在这个阶段我们不教他具体的专业技能比如怎么写代码、怎么当医生而是让他进行海量的广泛阅读。Pretrain的三个核心步骤1. 喂给它海量的书数据输入研究人员把互联网上能找到的几乎所有高质量文本——百科全书、小说、新闻、代码库、论文——全部打包喂给这个模型。量级这相当于让一个人读了几千万辈子的书。最近两年大家都可以看到AI的发展有多快我国超10亿参数的大模型在短短一年之内已经超过了100个现在还在不断的发掘中时代在瞬息万变我们又为何不给自己多一个选择多一个出路多一个可能呢与其在传统行业里停滞不前不如尝试一下新兴行业而AI大模型恰恰是这两年的大风口整体AI领域2025年预计缺口1000万人其中算法、工程应用类人才需求最为紧迫学习AI大模型是一项系统工程需要时间和持续的努力。但随着技术的发展和在线资源的丰富零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】【2025最新】AI大模型全套学习籽料可白嫖LLM面试题AI大模型学习路线大模型PDF书籍640套AI大模型报告等等从入门到进阶再到精通超全面存下吧2. 玩“完形填空”游戏学习机制模型在读这些书时主要在做一件事猜下一个字是什么。例子看到“床前明月__”模型要猜出是“光”。原理如果猜对了给予奖励参数调整如果猜错了比如猜成了“饼”就狠狠修正。结果通过千亿次的猜测和修正模型学会了语言的语法、词语的搭配以及人类世界的逻辑和常识比如知道“水是流动的”、“112”。3. 产出“基座模型”Base Model预训练结束后我们就得到了一个基座模型。它的状态它博学多才什么都知道一点懂中文也懂英文。它的缺点它还很“野”不懂礼貌也不知道怎么听指令。如果你问它“怎么做番茄炒蛋”它可能会给你续写一段关于番茄的历史而不是给你食谱。因为它只会“接着往下写”还不会“回答问题”。总之Pretrain预训练通过海量阅读学会语言规律和世界知识的过程。它是大模型最昂贵、最耗时的阶段通常需要几千张显卡跑几个月是模型能力的地基。这个阶段的 大模型说起话来非常像“接话茬”并不是在“做任务”。二、SFTSupervised Fine-Tuning有监督的微调训练如果说Pretrain预训练是让模型在图书馆里泛读万卷书成了一个博学的“书呆子”。那么SFTSupervised Fine-Tuning有监督微调就是给这个书呆子进行“职业技能培训”或者是找了个“金牌导师”手把手教它怎么说话。在这个阶段我们的目标不再是让它“学知识”而是让它“懂规矩”。以下是 SFT 的三个核心变化1. 教材变了从“无字天书”到“习题集”在预训练阶段我们给它看的是并没有标注重点的海量文本。而在 SFT 阶段我们给它看的是高质量的问答对QA。人类老师标注员会编写成千上万个例子告诉模型“当用户问这个问题时标准的回答应该是这样的。”例子输入“请把这段话翻译成英文。”标准答案“Please translate this sentence into English.”量级相比预训练的数据海SFT 的数据量要小得多通常是几万到几十万条但质量要求极高。2. 教学方式变了从“瞎猜”到“模仿”Pretrain 时模型看到“番茄炒蛋”可能会接着写“是一道中国名菜起源于……”因为它在做文本接龙。SFT 时老师拿着戒尺站在旁边。模型看到“番茄炒蛋怎么做”如果它还想背历史课文老师会敲它一下指着标准答案说“不对这时候你应该列出步骤第一步打蛋第二步切番茄……”效果模型开始模仿人类说话的语气、格式和逻辑。它学会了当人类用问句开头时我应该提供答案而不是接着编故事。3. 身份变了从“复读机”到“助手”经过 SFT 之后这个模型就发生了质的飞跃听懂指令你让它缩写文章它就不会扩写你让它写代码它就不会写诗。格式规范它学会了分点作答、使用礼貌用语。ChatGPT 的诞生GPT-3 只是一个预训练模型书呆子而 ChatGPT 则是经过了 SFT以及后续步骤后的产物智能助手。小结SFT指令微调 通过高质量的问答范例教模型如何正确地使用它学到的知识来服务人类。它让模型从“懂语言”变成了“懂人话”。三、RLHFReinforcement Learning from Human Feedback基于人类反馈的强化学习如果说Pretrain预训练造就了博学的“书呆子”SFT微调把它变成了能干活的“职场新人”那么RLHFReinforcement Learning from Human Feedback人类反馈强化学习就是给这个新人上的**“思想品德课”和“情商培训班”**。在 SFT 阶段模型虽然学会了回答问题但它有个大毛病它不知道哪个答案更好甚至为了“回答”而撒谎或干坏事。比如你问“怎么偷东西”SFT 模型可能会很详细地教你因为它觉得回答就是它的工作。RLHF 就是为了解决这个问题给模型**“树立三观”**。以下是通俗易懂的两个关键环节1. 建立“评分老师”训练奖励模型Reward Model我们不再让老师手把手写标准答案了太累了而是让模型针对同一个问题生成两个不同的回答让老师来打分或者二选一。场景用户问“怎么制作炸弹”回答 A详细列出化学配方虽然准确由于危险人类老师判0分。回答 B“制作炸弹是违法的我不能帮你但我可以介绍炸药的历史。”虽然拒绝了但符合安全规范人类老师判100分。回答 C胡言乱语50分。结果我们训练出了一个专门的“判卷老师”Reward Model奖励模型。这个判卷老师并不生产内容它唯一的任务就是判断这句话人类爱不爱听符不符合人类的价值观。2. 疯狂刷题拿奖励强化学习PPO现在让大模型开始大量做题然后让刚才训练好的“判卷老师”给它打分。机制类似训狗如果模型生成了一段话判卷老师给了高分比如态度谦逊、内容安全系统就给模型发一个“糖果”正向反馈告诉它“做得好以后多这样说话”如果判卷老师给了低分比如脏话、撒谎、种族歧视系统就给它一个“惩罚”负向反馈告诉它“错了以后这种话少说”进化模型为了以此获得更多的“糖果”会拼命调整自己的说话方式去迎合“判卷老师”的喜好。3. “三观”树立完成经过 RLHF模型不仅仅是“能说话”它变成了符合3H 原则的模范生Helpful有帮助甚至能从你模糊的问题中猜到你想问什么。Honest诚实不懂装懂的情况变少了虽然还不能完全根除。Harmless无害拒绝回答违法、暴力、色情的问题变得非常有“求生欲”。SFT及RLHF的过程如下图所示最近两年大家都可以看到AI的发展有多快我国超10亿参数的大模型在短短一年之内已经超过了100个现在还在不断的发掘中时代在瞬息万变我们又为何不给自己多一个选择多一个出路多一个可能呢与其在传统行业里停滞不前不如尝试一下新兴行业而AI大模型恰恰是这两年的大风口整体AI领域2025年预计缺口1000万人其中算法、工程应用类人才需求最为紧迫学习AI大模型是一项系统工程需要时间和持续的努力。但随着技术的发展和在线资源的丰富零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】【2025最新】AI大模型全套学习籽料可白嫖LLM面试题AI大模型学习路线大模型PDF书籍640套AI大模型报告等等从入门到进阶再到精通超全面存下吧