揭秘大语言模型:从文字到数字,token 是如何变成向量的?

揭秘大语言模型:从文字到数字,token 是如何变成向量的?


你有没有想过,ChatGPT 这样的大语言模型是怎么 "看懂" 文字的?其实,它们靠的是一套 "数字密码"------ 把文字变成向量。今天就用大白话,带你看懂这个神奇过程。

第一步:文字先拆成 "小零件"------token

大模型处理文字前,会先把句子拆成最小单位 "token"。就像把拼图拆成小块,方便后续处理。

(此处建议配图:左侧是一句话 "我爱吃苹果",被拆成右侧的 token "我""爱""吃""苹果",每个 token 用不同颜色方块表示)

token 分三种常见类型:

  • 单词级:比如 "apple" 就是一个 token
  • 子词级:长单词会拆成片段,如 "unhappy" 拆成 "un""happy"
  • 字符级:每个字 / 字母单独算,如 "cat" 拆成 "c""a""t"

第二步:给 "小零件" 贴标签 ------ 从 token 到 ID

拆好的 token 不能直接被模型识别,得先变成数字。就像给每个零件编个唯一编号,比如:

(此处建议配图:左侧是不同 token "我""爱""a""b",右侧对应数字 ID "1""2""3""4",用箭头连接)

  • "我"→ID:1
  • "爱"→ID:2
  • "a"→ID:3

第三步:编号变 "坐标"------ID 到向量

有了 ID,还要通过 "嵌入层" 变成向量。向量就像 token 在数字空间里的 "坐标",比如 0.2, 0.5, -0.3(维度通常有几百到几千)。

(此处建议配图:一个表格样式的 "嵌入层查找表",行是 ID,列是向量维度,ID "1" 对应一行数字,用箭头指向一个三维坐标点表示向量)

向量的 "成长记":从随机到有意义

刚生成的向量是随机数字,没啥含义。但经过海量文本训练后,奇迹发生了:

(此处建议配图:左侧是杂乱分布的向量点,标注 "训练前";右侧是聚集的向量群,"高兴""开心" 聚在一堆,"大""小" 分在两边,标注 "训练后")

  • 模型通过 "损失函数" 判断预测对错,用 "梯度下降" 调整向量数值
  • 最后,语义近的 token 向量会靠得近(如 "爸爸" 和 "父亲"),相反的则离得远(如 "冷" 和 "热")

为啥要费这劲?

因为模型只懂数学运算。向量让文字能被 "计算":比如 "国王 - 男人 + 女人≈王后",这种神奇的语义关系,就是靠向量运算实现的。

(此处建议配图:用箭头表示向量运算,"国王" 向量减去 "男人" 向量,加上 "女人" 向量,箭头终点指向 "王后" 向量)


从文字拆成 token,到变成 ID,再转化为有语义的向量,这三步就是大模型 "理解" 语言的核心。看似复杂的过程,本质是把人类语言翻译成机器能懂的数字密码。

未来随着技术发展,这套 "翻译系统" 会越来越精准,说不定哪天,模型真能像人类一样理解文字背后的喜怒哀乐呢~

相关推荐
可乐ea几秒前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen14 分钟前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷43 分钟前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘1 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习
阿里云大数据AI技术1 小时前
云栖实录|倍思科技 × 阿里云:让VOC洞察从“生成报告”走向“业务可用”
人工智能·elasticsearch·agent
AllData公司负责人1 小时前
第九篇:AI大模型数据开发底座系列说明书:AllData集成BISHENG开源项目建设大模型应用开发底座,涵盖可视化编排/智能助手/一键API/模型接入!
人工智能·云原生·数据分析·视觉检测·知识图谱·大模型应用·bisheng
数字新视界2 小时前
数据中心DCIM管理系统助力提升机房管理效率与安全性
大数据·人工智能·物联网·信息与通信·动环监控系统
阿里云大数据AI技术2 小时前
阿里云 EMR Serverless StarRocks(Stella)× Paimon:让多模态数据湖从“存得下”走向“找得到、用得上”
人工智能
class心平气和2 小时前
AI 赋能测试流程:从基础概念到测试全流程实战
人工智能
猿人谷2 小时前
遗传编程的未来:从进化搜索到自主发现求解方法
人工智能·深度学习·神经网络·ai-native