此为观看视频How Large Language Model works的笔记。
GPT（Generative Pre-trained Transformer）是一个大语言模型（LLM），可以生成类似人类的文本。本文阐述：
- 什么是LLM
- LLM如何工作
- LLM的应用场景
什么是LLM
LLM是基础模型，基于大量未标记和自监督文本数据进行预训练。模型从数据中的模式中学习，产生可推广和自适应的输出。生成的模型可能为几十GB。
大语言模型的"大"体现在2个方面：
- 训练的数据大，为TB或PB级（1GB可以存储1.78亿个单词）
- 参数非常大。参数是模型在学习过程中可以独立改变的值，参数越多，模型越复杂。例如，GPT-3是在45TB数据的语料库上预训练的，使用了1750亿个参数。
LLM如何工作
LLM包括3部分：数据，架构和训练。
架构指的是神经网络，就GPT而言，就是transformer。
transformer架构使模型可以处理序列数据，如句子和代码。transformer通过考虑与每个其他单词的关系来理解句子中每个单词的上下文。这允许该模型建立对句子结构和其中单词含义的全面理解。然后在此架构上对所有这些大量数据进行训练。在训练期间，模型学会预测句子中的下一个单词。它从随机猜测下一个单词开始，然后在每次迭代时，模型都会调整其内部参数，以减少其预测和实际结果之间的差异。该模型不断重复疵过程，逐渐改进其单词预测，直到它能够可靠地生成连贯的句子。现在，模型可以在更小、更具体的数据集上进行微调。模型逐步完善了其理解，以便能够更准确地执行这项特定任务。微调允许通用语言模型成为特定任务的专家。
LLM的应用场景
对于客户服务，企业可以使用LLM创建智能聊天机器人，可以处理各种客户查询，而人可以处理更复杂。
第二个适合场景是内容创建。LLM可以帮助生成文章、电子邮件、社交媒体帖子，甚至YouTube视频脚本。
对于软件开发，LLM还可以生成和审查代码。