一、嵌入向量（Embeddings）：让计算机"看懂"文字
1. 什么是嵌入向量？
你可以把嵌入向量理解成文字的"数字翻译器"。计算机看不懂"猫""狗"这些文字，只能处理数字，嵌入向量就负责把文字转换成一串数字（比如[0.2, 0.5, -0.3]），同时还保留了文字的意思。
2. 为什么需要嵌入向量？
- 举个例子 ：用"One-Hot编码"表示"猫"可能是
[1,0,0,0,...]（一万个数字里只有一个1），不仅浪费空间，还无法表示"猫"和"狗"都是动物的关系 - 嵌入向量的优势 ：
- 维度小（通常几百维），计算快
- 语义相似的词，向量也相似（"猫"和"狗"的向量很接近）
- 能体现语义关系（比如"国王"-"男人"+"女人"≈"女王"）
3. 两种常见的嵌入向量
| 类型 | 特点 | 例子 |
|---|---|---|
| 上下文无关 | 同一个词在任何句子里向量都一样 | Word2Vec、GloVe |
| 上下文相关 | 同一个词在不同句子里向量不同 | LLM（如BERT、GPT）中的嵌入 |
通俗例子 ：
"苹果"在"我吃苹果"和"苹果手机"中，上下文无关嵌入会给出相同向量，而上下文相关嵌入会给出不同向量（因为意思不同）
4. 在LLM中的作用
嵌入向量是模型处理文本的"第一道工序"，所有文字都要先变成嵌入向量，模型才能开始后续计算。
二、位置信息（Positional Information）：让模型知道"谁先谁后"
1. 什么是位置信息？
位置信息就是给句子中的每个词打上"位置标签"，告诉模型这个词在句子中排第几。
2. 为什么需要位置信息？
- 关键原因：LLM的核心组件（Transformer）是"并行计算"的，默认不知道词的顺序
- 举个例子 ：
"我爱你"和"你爱我"用词完全相同，但意思相反，全靠词的顺序决定
3. 两种常见的位置编码方式
-
绝对位置编码 （Transformer原论文用）：
给每个位置（第1个、第2个...）分配一个固定向量，用正弦/余弦函数生成，位置越近向量越相似
-
相对位置编码 （GPT等模型用）：
不关心词在"第几个"，只关心词之间的"距离"（比如A在B前面3个位置），更符合人类理解习惯
4. 在LLM中的作用
位置信息+嵌入向量，就像给模型同时提供了"词的意思"和"词的顺序"，模型才能理解句子结构（比如主谓宾关系）。
三、小白必知的注意点和易错点
关于嵌入向量
-
维度不是越高越好 ：
维度太高会增加计算量，通常根据任务选择（比如768维、1024维）
-
一词多义要靠上下文 ：
刚开始学容易以为一个词只有一个向量，实际上在LLM中，同一个词在不同语境下向量不同
-
预训练模型需要微调 ：
通用的嵌入向量在专业领域（如医学、法律）效果不好，需要针对性调整
关于位置信息
-
超过长度会失效 ：
每个模型都有最大处理长度（比如GPT-3是2048个词），超过这个长度，位置信息会出错
-
不是简单的序号 ：
刚开始可能以为位置编码就是1、2、3...其实是复杂的数学设计，目的是让模型更好地理解位置关系
-
与嵌入向量的结合方式 ：
通常是"相加"而不是"拼接"，这样能同时保留语义和位置信息
常见误解
-
❌ 错误：嵌入向量只能表示单词
✅ 正确：可以表示任何文本单元（字、词、短语、句子甚至段落）
-
❌ 错误：位置信息不重要，模型自己能猜出来
✅ 正确：没有位置信息，模型会把"我打你"和"你打我"当成一个意思
四、代码示例
1. 词嵌入示例（用Gensim库）
python
from gensim.models import Word2Vec
from sklearn.metrics.pairwise import cosine_similarity
# 训练数据：几个简单句子
sentences = [
["猫", "是", "一种", "动物"],
["狗", "是", "一种", "动物"],
["苹果", "是", "一种", "水果"]
]
# 训练Word2Vec模型（生成嵌入向量）
model = Word2Vec(sentences, vector_size=100, window=5, min_count=1, workers=4)
# 获取词向量
cat_vec = model.wv["猫"]
dog_vec = model.wv["狗"]
apple_vec = model.wv["苹果"]
# 计算相似度（值越大越相似）
print(f"猫和狗的相似度: {cosine_similarity([cat_vec], [dog_vec])[0][0]:.4f}") # 结果会比较大
print(f"猫和苹果的相似度: {cosine_similarity([cat_vec], [apple_vec])[0][0]:.4f}") # 结果会比较小代码说明：这个例子能直观展示"语义相似的词，向量也相似"的特点
2. Transformer位置编码实现
python
import numpy as np
import matplotlib.pyplot as plt
def positional_encoding(position, d_model):
"""生成Transformer原论文中的位置编码"""
angle_rads = np.arange(position)[:, np.newaxis] / np.power(
10000, np.arange(d_model)[np.newaxis, :] / np.float32(d_model)
)
# 偶数索引用正弦，奇数用余弦
angle_rads[:, 0::2] = np.sin(angle_rads[:, 0::2])
angle_rads[:, 1::2] = np.cos(angle_rads[:, 1::2])
pos_encoding = angle_rads[np.newaxis, ...]
return pos_encoding
# 可视化位置编码（能看到不同位置的编码模式）
pos_encoding = positional_encoding(50, 128)
plt.figure(figsize=(12, 8))
plt.pcolormesh(pos_encoding[0], cmap='viridis')
plt.xlabel('嵌入向量维度')
plt.xlim((0, 128))
plt.ylabel('位置')
plt.title('位置编码可视化')
plt.colorbar()
plt.show()代码说明：运行后会显示一个彩色矩阵，每行代表一个位置的编码，能看到位置越近，颜色模式越相似
五、总结：嵌入向量 vs 位置信息
| 对比项 | 嵌入向量 | 位置信息 |
|---|---|---|
| 核心功能 | 表示"词的意思" | 表示"词的顺序" |
| 比喻 | 文字的"数字指纹" | 队伍的"编号牌" |
| 模型依赖 | 所有LLM都必须有 | 基于Transformer的LLM必须有 |
| 常见问题 | 一词多义处理 | 长文本位置信息衰减 |
简单说：嵌入向量让模型"懂词义"，位置信息让模型"懂语法"，两者结合是LLM理解语言的基础。