AI summary
type
Post
status
Published
date
Jan 5, 2025
slug
llm1.1
summary
语言模型是序列的概率分布，自回归模型基于之前生成的结果生成token。信息理论中的熵衡量编码所需的比特数，n-gram模型依赖于最后的n-1个token，神经网络的引入使得语言模型取得重要进展，尤其是RNN和Transformers的应用。
category
大模型面试笔记
tags
LLM
introduction
icon
password
什么是语言模型
语言模型的经典定义是对序列的概率分布，假设有一个词汇表 V，语言模型 P 为每个序列分配一个概率
自回归语言模型
链式法则：
自回归语言模型就是基于之前生成的结果一次生成一个 token：
其中 是控制随机性的温度参数，重新标准化分布之后得到退火条件概率分布。T 越大生成的结果越随机，T=0 时生成确定的结果。
大模型相关历史回顾
信息理论
香农定义了熵的概念：
熵实际上是一个衡量将样本 编码成比特串所需的预期比特数的度量，熵越小，序列的结构性越强，编码程度越短。
如果我们不知道事件的概率分布，又想计算熵，就需要熵的估计，自然而然的引出了交叉熵：
表示用模型 q 给出的压缩方案，需要多少比特数来编码样本 。交叉熵的下界是熵。可以通过构建一个来自真实数据分布 p 的样本的模型 q 来估计熵。
N-gram 模型
关于 的预测只依赖于最后的 n-1 个 token，而不是整个历史：
将 n-gram 模型拟合到数据上非常便宜且可扩展。例如，Brants等人（2007）在 2 万亿个tokens上训练了一个 5-gram 模型用于机器翻译，相比之下，GPT-3 只在 3000 亿 tokens 上进行了训练。
但是 n 太小就无法捕获长距离依赖关系，n 太大又无法得到概率的良好估计(几乎所有合理的长序列都出现 0 次)
神经网络
语言模型的一个重要进步是神经网络的引入。Bengio等人在 2003 年首次提出了神经语言模型：
上下文长度仍然受到 n 的限制，但现在对更大的 n 值估计神经语言模型在统计上是可行的。
自 2003 年以来，神经语言建模的两个关键发展包括：
- Recurrent Neural Networks（RNNs），包括长短期记忆（LSTMs），使得一个令牌 的条件分布可以依赖于整个上下文 （有效地使 ），但这些模型难以训练。
- Convolutional Neural Network(CNN) 通常用于图像识别，提取图像的空间特征，通过不断的卷积和池化操作实现特征提取和降维。
- Transformers 是一个较新的架构（于2017年为机器翻译开发），再次固定上下文长度 n，但更易于训练（并利用了GPU的并行性）。此外，n 对很多任务来说“足够大”（GPT-3 使用的是 n=2048）。