1. 大模型技術(shù)演進(jìn)的全景脈絡(luò)1.1 從統(tǒng)計(jì)語(yǔ)言模型到神經(jīng)語(yǔ)言模型的范式轉(zhuǎn)換要聊大模型的發(fā)展史得先把時(shí)間軸拉回到統(tǒng)計(jì)學(xué)習(xí)占主導(dǎo)的年代。早期做自然語(yǔ)言處理主流思路是N-gram語(yǔ)言模型給定前N-1個(gè)詞預(yù)測(cè)第N個(gè)詞的概率。這個(gè)思路本身沒問題但它有兩個(gè)致命傷——數(shù)據(jù)稀疏和上下文窗口太短。你想想當(dāng)N取3或者5的時(shí)候模型能看到的上下文極其有限稍微長(zhǎng)一點(diǎn)的依賴關(guān)系就捕捉不到了。而且隨著N增大參數(shù)空間呈指數(shù)級(jí)膨脹語(yǔ)料根本覆蓋不全大量N-gram組合的概率為零。2003年Bengio等人提出神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型用詞向量的方式把離散的詞映射到連續(xù)空間算是打開了新世界的大門。但真正讓神經(jīng)語(yǔ)言模型具備實(shí)用價(jià)值的是2013年Word2Vec的誕生。Word2Vec通過CBOW和Skip-gram兩種訓(xùn)練方式把詞映射成低維稠密向量語(yǔ)義相近的詞在向量空間中距離也近。這個(gè)思路影響深遠(yuǎn)直到今天Embedding層依然是所有大模型的基礎(chǔ)組件。不過Word2Vec有個(gè)根本局限它是靜態(tài)詞向量。也就是說“蘋果”這個(gè)詞不管出現(xiàn)在“吃蘋果”還是“蘋果發(fā)布會(huì)”里向量表示完全一樣。這顯然不合理。于是ELMo出現(xiàn)了用雙向LSTM做上下文相關(guān)的動(dòng)態(tài)詞向量。ELMo的思路是先在大規(guī)模語(yǔ)料上預(yù)訓(xùn)練一個(gè)語(yǔ)言模型然后在下游任務(wù)中把預(yù)訓(xùn)練模型的中間層輸出作為特征。這個(gè)“預(yù)訓(xùn)練微調(diào)”的范式后來被BERT和GPT發(fā)揚(yáng)光大。1.2 Transformer架構(gòu)的顛覆性意義2017年絕對(duì)是值得載入史冊(cè)的一年。Google團(tuán)隊(duì)發(fā)表了那篇著名的論文《Attention Is All You Need》提出了Transformer架構(gòu)。這篇論文的核心貢獻(xiàn)在于徹底拋棄了循環(huán)結(jié)構(gòu)完全基于自注意力機(jī)制來建模序列。為什么這件事這么重要因?yàn)镽NN和LSTM有個(gè)天然缺陷它們是串行計(jì)算的第t步的計(jì)算必須等第t-1步完成這意味著無法充分利用GPU的并行計(jì)算能力。序列一長(zhǎng)訓(xùn)練效率就急劇下降。Transformer的自注意力機(jī)制允許每個(gè)位置直接和序列中所有其他位置計(jì)算關(guān)聯(lián)權(quán)重一步到位捕捉全局依賴。而且整個(gè)計(jì)算過程可以完全并行化訓(xùn)練速度提升了好幾個(gè)數(shù)量級(jí)。具體來說自注意力的計(jì)算過程是這樣的每個(gè)輸入token被映射成Query、Key、Value三個(gè)向量然后用Q和K的點(diǎn)積計(jì)算注意力分?jǐn)?shù)經(jīng)過softmax歸一化后對(duì)V加權(quán)求和。公式就是那個(gè)經(jīng)典的Attention(Q,K,V) softmax(QK^T/√d_k)V。除以√d_k是為了防止點(diǎn)積結(jié)果過大導(dǎo)致softmax梯度消失。Transformer還引入了多頭注意力機(jī)制讓模型可以同時(shí)從不同的表示子空間關(guān)注不同的信息。比如一個(gè)頭關(guān)注語(yǔ)法關(guān)系另一個(gè)頭關(guān)注語(yǔ)義相似度。這種設(shè)計(jì)極大地增強(qiáng)了模型的表達(dá)能力。再加上殘差連接、層歸一化、位置編碼這些工程技巧Transformer在機(jī)器翻譯任務(wù)上直接刷新了當(dāng)時(shí)的SOTA。1.3 預(yù)訓(xùn)練范式的確立與分化Transformer出來之后很快就有人意識(shí)到與其針對(duì)每個(gè)下游任務(wù)單獨(dú)設(shè)計(jì)模型不如先在大規(guī)模無標(biāo)注語(yǔ)料上預(yù)訓(xùn)練一個(gè)通用模型然后微調(diào)到具體任務(wù)上。這個(gè)思路催生了兩條技術(shù)路線。一條是以GPT為代表的自回歸路線。GPT用的是Transformer的Decoder部分訓(xùn)練目標(biāo)是標(biāo)準(zhǔn)的語(yǔ)言模型目標(biāo)——根據(jù)前面的詞預(yù)測(cè)下一個(gè)詞。這種方式的優(yōu)勢(shì)是天然適合生成任務(wù)因?yàn)樯蛇^程就是從左到右逐個(gè)token往外蹦。GPT-1只有1.17億參數(shù)到了GPT-2漲到15億GPT-3直接干到1750億。參數(shù)量的指數(shù)級(jí)增長(zhǎng)帶來了質(zhì)的飛躍GPT-3展現(xiàn)出了驚人的少樣本學(xué)習(xí)能力——給它幾個(gè)示例它就能完成翻譯、問答、寫代碼等任務(wù)不需要更新任何參數(shù)。另一條是以BERT為代表的自編碼路線。BERT用的是Transformer的Encoder部分訓(xùn)練目標(biāo)是掩碼語(yǔ)言模型——隨機(jī)遮住輸入中的一些詞讓模型根據(jù)上下文預(yù)測(cè)被遮住的詞。這種雙向編碼方式讓BERT在理解類任務(wù)上表現(xiàn)極佳比如文本分類、命名實(shí)體識(shí)別、問答系統(tǒng)。BERT還引入了下一句預(yù)測(cè)任務(wù)讓模型學(xué)會(huì)判斷兩個(gè)句子是否連續(xù)。BERT-Base有1.1億參數(shù)BERT-Large有3.4億參數(shù)在GLUE基準(zhǔn)上直接把之前的模型甩開一大截。這兩條路線的分化本質(zhì)上反映了NLP任務(wù)的兩大類型理解和生成。理解類任務(wù)需要雙向上下文信息生成類任務(wù)需要自回歸的因果結(jié)構(gòu)。后來的T5試圖用Encoder-Decoder架構(gòu)統(tǒng)一兩者但實(shí)際應(yīng)用中GPT系列和BERT系列依然各占半壁江山。2. 大模型核心技術(shù)的深度拆解2.1 自注意力機(jī)制的工作原理與計(jì)算細(xì)節(jié)自注意力是Transformer的靈魂值得掰開揉碎講清楚。假設(shè)輸入序列長(zhǎng)度為n每個(gè)token的嵌入維度為d那么輸入矩陣X的維度就是n×d。通過三個(gè)線性變換矩陣W_Q、W_K、W_V分別得到QXW_Q、KXW_K、VXW_V維度都是n×d_kd_k通常等于d/hh是頭數(shù)。注意力分?jǐn)?shù)的計(jì)算分三步第一步Q乘以K的轉(zhuǎn)置得到n×n的矩陣第i行第j列的元素表示第i個(gè)token對(duì)第j個(gè)token的關(guān)注程度。第二步除以√d_k做縮放防止梯度消失。第三步對(duì)每一行做softmax歸一化得到注意力權(quán)重矩陣。最后用這個(gè)權(quán)重矩陣乘以V得到輸出。用生活化的類比來說這就像你在讀一句話的時(shí)候每個(gè)詞都會(huì)“掃視”整句話的所有詞然后決定把注意力放在哪些詞上。比如讀到“它”這個(gè)代詞時(shí)模型會(huì)自動(dòng)把注意力分配給前面出現(xiàn)的名詞從而理解“它”指代的是什么。多頭注意力就是同時(shí)用多組W_Q、W_K、W_V讓模型從不同角度去關(guān)注信息最后把多個(gè)頭的輸出拼接起來再做一次線性變換。這里有個(gè)實(shí)操中容易踩的坑位置編碼的選擇。因?yàn)樽宰⒁饬Ρ旧聿话恢眯畔⒈仨氼~外注入。原始Transformer用的是正弦余弦位置編碼后來BERT用的是可學(xué)習(xí)的位置嵌入再后來RoPE旋轉(zhuǎn)位置編碼成為主流。RoPE的核心思想是通過旋轉(zhuǎn)矩陣把位置信息編碼到Query和Key中使得注意力分?jǐn)?shù)天然包含相對(duì)位置信息。這個(gè)改進(jìn)讓模型在處理長(zhǎng)序列時(shí)表現(xiàn)更穩(wěn)定也是目前大多數(shù)開源大模型的標(biāo)準(zhǔn)配置。2.2 預(yù)訓(xùn)練目標(biāo)的演進(jìn)從MLM到因果語(yǔ)言模型BERT的掩碼語(yǔ)言模型有個(gè)問題預(yù)訓(xùn)練時(shí)看到的是帶[MASK]的句子但下游任務(wù)中根本不會(huì)出現(xiàn)[MASK]標(biāo)記這就造成了預(yù)訓(xùn)練和微調(diào)之間的不一致。而且BERT假設(shè)被遮住的詞之間是相互獨(dú)立的這顯然不符合語(yǔ)言事實(shí)——一句話中被遮住的幾個(gè)詞往往是有關(guān)聯(lián)的。GPT的因果語(yǔ)言模型就沒有這個(gè)問題。它始終是根據(jù)前面的詞預(yù)測(cè)下一個(gè)詞預(yù)訓(xùn)練和生成過程完全一致。但因果語(yǔ)言模型只能看到單向上下文在理解類任務(wù)上天然吃虧。于是后來出現(xiàn)了各種改進(jìn)方案XLNet用排列語(yǔ)言模型把句子隨機(jī)排列后做自回歸預(yù)測(cè)既能看到雙向上下文又保持自回歸形式ELECTRA用替換詞檢測(cè)把生成器替換的詞讓判別器去判斷訓(xùn)練效率比MLM高很多DeBERTa用解耦注意力把內(nèi)容和位置信息分開處理。到了GPT-3時(shí)代大家發(fā)現(xiàn)一個(gè)有意思的現(xiàn)象當(dāng)模型足夠大、數(shù)據(jù)足夠多的時(shí)候因果語(yǔ)言模型在理解任務(wù)上也能表現(xiàn)得很好。這說明模型規(guī)?？梢詮浹a(bǔ)架構(gòu)上的某些不足。GPT-3的1750億參數(shù)在SuperGLUE基準(zhǔn)上零樣本表現(xiàn)就已經(jīng)接近微調(diào)過的BERT-Large。這個(gè)發(fā)現(xiàn)直接推動(dòng)了后續(xù)大模型軍備競(jìng)賽。2.3 縮放定律與模型規(guī)模的科學(xué)2020年OpenAI發(fā)表了縮放定律的論文系統(tǒng)研究了模型性能與參數(shù)量、數(shù)據(jù)量、計(jì)算量之間的關(guān)系。核心結(jié)論是模型性能與這三個(gè)因素都呈冪律關(guān)系而且存在最優(yōu)的分配比例。具體來說在計(jì)算預(yù)算固定的情況下參數(shù)量和數(shù)據(jù)量應(yīng)該同步增長(zhǎng)而不是只堆參數(shù)。這個(gè)發(fā)現(xiàn)糾正了早期的一個(gè)誤區(qū)很多人以為只要把模型做大就能變強(qiáng)。實(shí)際上如果數(shù)據(jù)量跟不上大模型反而容易過擬合。Chinchilla的工作進(jìn)一步驗(yàn)證了這一點(diǎn)在相同計(jì)算預(yù)算下一個(gè)70B參數(shù)、用1.4T token訓(xùn)練的模型性能可以超過一個(gè)280B參數(shù)、用300B token訓(xùn)練的模型。這意味著數(shù)據(jù)質(zhì)量和數(shù)量與參數(shù)規(guī)模同等重要。從工程角度看縮放定律給了我們一個(gè)可預(yù)測(cè)的框架在訓(xùn)練之前就可以估算出不同規(guī)模模型的預(yù)期性能從而做出更合理的資源分配決策。但縮放定律也有失效的時(shí)候——當(dāng)模型規(guī)模超過某個(gè)閾值后性能提升會(huì)放緩而且某些能力如數(shù)學(xué)推理、代碼生成似乎需要特定的訓(xùn)練策略才能激發(fā)出來單純靠堆規(guī)模不夠。3. 大模型實(shí)操落地的關(guān)鍵環(huán)節(jié)3.1 從零搭建一個(gè)Transformer模型的完整流程如果你想親手實(shí)現(xiàn)一個(gè)Transformer建議從PyTorch入手。整個(gè)流程可以拆成幾個(gè)模塊輸入嵌入層、位置編碼層、多頭注意力層、前饋網(wǎng)絡(luò)層、殘差連接和層歸一化、輸出層。輸入嵌入層負(fù)責(zé)把token ID映射成稠密向量。這里有個(gè)細(xì)節(jié)嵌入維度通常取512、768或1024具體取決于模型規(guī)模。位置編碼層可以用正弦余弦函數(shù)生成也可以用可學(xué)習(xí)參數(shù)。多頭注意力層是核心需要實(shí)現(xiàn)Q、K、V的線性變換、縮放點(diǎn)積注意力、多頭拼接和輸出投影。前饋網(wǎng)絡(luò)通常是兩層全連接中間維度是嵌入維度的4倍激活函數(shù)用ReLU或GELU。殘差連接和層歸一化的順序有兩種Post-LN原始Transformer和Pre-LN后續(xù)改進(jìn)。Post-LN把歸一化放在殘差連接之后訓(xùn)練時(shí)需要warmup策略來穩(wěn)定梯度。Pre-LN把歸一化放在子層輸入之前訓(xùn)練更穩(wěn)定是目前的主流選擇。代碼實(shí)現(xiàn)時(shí)要注意幾個(gè)坑第一mask的處理。對(duì)于padding位置注意力分?jǐn)?shù)要設(shè)成負(fù)無窮softmax之后權(quán)重為零。對(duì)于因果語(yǔ)言模型還要加上三角mask防止看到未來的token。第二權(quán)重的初始化。Transformer對(duì)初始化很敏感通常用Xavier或Kaiming初始化。第三學(xué)習(xí)率調(diào)度。warmup加余弦退火是比較穩(wěn)妥的方案。訓(xùn)練一個(gè)小型Transformer做正弦波預(yù)測(cè)是個(gè)很好的練手項(xiàng)目。你可以生成一批正弦序列數(shù)據(jù)用前一半預(yù)測(cè)后一半觀察模型是否能學(xué)到周期性和相位關(guān)系。這個(gè)任務(wù)足夠簡(jiǎn)單單卡幾十分鐘就能跑出結(jié)果但涵蓋了序列建模的所有核心要素。3.2 大模型微調(diào)與私有化部署的實(shí)操要點(diǎn)企業(yè)落地大模型通常有兩條路調(diào)用API或者私有化部署。調(diào)用API的好處是省事不用管硬件和運(yùn)維但數(shù)據(jù)要出企業(yè)內(nèi)網(wǎng)而且長(zhǎng)期成本可能很高。私有化部署的好處是數(shù)據(jù)安全可控可以深度定制但需要GPU集群和專業(yè)的運(yùn)維團(tuán)隊(duì)。私有化部署的第一步是選模型。開源模型里L(fēng)LaMA系列、Qwen系列、DeepSeek系列都是熱門選擇。選型時(shí)要考慮幾個(gè)因素參數(shù)量7B、13B、70B對(duì)應(yīng)不同的硬件需求、上下文長(zhǎng)度4K、8K、32K、128K、中文能力、許可證類型。7B模型在單張24G顯存的卡上就能推理70B模型至少需要4張A100 80G。部署框架方面vLLM是目前推理效率最高的方案之一核心是PagedAttention技術(shù)把KV Cache分頁(yè)管理顯存利用率能提升好幾倍。TensorRT-LLM是NVIDIA的官方方案性能極致但配置復(fù)雜。Ollama適合個(gè)人開發(fā)者快速體驗(yàn)一條命令就能跑起來但生產(chǎn)環(huán)境不太夠用。微調(diào)方面全量微調(diào)需要大量顯存通常用LoRA或QLoRA做參數(shù)高效微調(diào)。LoRA的思路是在原始權(quán)重旁邊加一個(gè)低秩分解矩陣只訓(xùn)練這個(gè)小矩陣參數(shù)量能降到原來的千分之一。QLoRA進(jìn)一步把原始權(quán)重量化到4bit讓單張消費(fèi)級(jí)顯卡也能微調(diào)7B模型。微調(diào)數(shù)據(jù)質(zhì)量比數(shù)量重要幾百條高質(zhì)量指令數(shù)據(jù)往往比幾萬(wàn)條噪聲數(shù)據(jù)效果好。3.3 提示工程與上下文長(zhǎng)度管理的實(shí)戰(zhàn)經(jīng)驗(yàn)大模型的上下文長(zhǎng)度是個(gè)硬約束。早期GPT-3只有2048個(gè)token現(xiàn)在主流模型能到32K甚至128K。但上下文不是越長(zhǎng)越好——中間部分的信息容易被忽略這就是所謂的“迷失在中間”現(xiàn)象。實(shí)際使用中關(guān)鍵信息最好放在開頭或結(jié)尾。提示工程的核心原則是清晰、具體、給示例。與其說“幫我寫個(gè)總結(jié)”不如說“請(qǐng)用三句話總結(jié)以下文章的核心觀點(diǎn)每句話不超過30字”。Few-shot示例能顯著提升輸出質(zhì)量但示例的選擇很講究——要選和當(dāng)前任務(wù)最相關(guān)的而且示例的格式要一致。思維鏈提示是另一個(gè)實(shí)用技巧。對(duì)于推理類任務(wù)讓模型“一步一步思考”能大幅提升準(zhǔn)確率。比如數(shù)學(xué)題直接問答案往往出錯(cuò)但讓模型寫出解題步驟正確率能翻倍。這個(gè)技巧的本質(zhì)是把隱式的推理過程顯式化讓模型有更多的計(jì)算步驟來得出正確答案。上下文長(zhǎng)度管理還有個(gè)工程技巧滑動(dòng)窗口加摘要。當(dāng)對(duì)話歷史超過模型窗口時(shí)把最早的幾輪對(duì)話壓縮成摘要保留關(guān)鍵信息然后拼接到當(dāng)前上下文中。這樣既能保持長(zhǎng)期記憶又不會(huì)超出窗口限制。4. 大模型生態(tài)中的常見問題與排查思路4.1 模型輸出質(zhì)量問題的診斷與優(yōu)化模型輸出質(zhì)量差原因可能有很多。最常見的是提示不夠清晰。模型不是人它不會(huì)揣摩你的意圖。你覺得你說清楚了但模型可能理解成了另一個(gè)意思。解決辦法是把任務(wù)拆解成明確的步驟給出具體的輸出格式要求必要時(shí)提供示例。第二個(gè)常見原因是模型能力不足。7B模型和70B模型的能力差距是客觀存在的。如果任務(wù)需要復(fù)雜的推理或多步計(jì)算小模型確實(shí)力不從心。這時(shí)候要么換大模型要么用思維鏈把任務(wù)拆解成小模型能處理的子任務(wù)。第三個(gè)原因是訓(xùn)練數(shù)據(jù)偏差。如果微調(diào)數(shù)據(jù)里某種類型的樣本特別多模型就會(huì)偏向輸出那種類型的結(jié)果。解決辦法是平衡數(shù)據(jù)分布或者在推理時(shí)用懲罰項(xiàng)抑制過度代表的輸出。還有一個(gè)容易被忽略的因素溫度參數(shù)。溫度越高輸出越隨機(jī)溫度越低輸出越確定。創(chuàng)意寫作需要高溫度事實(shí)問答需要低溫度。很多人在同一個(gè)任務(wù)里用固定的溫度參數(shù)效果自然不理想。4.2 部署與推理中的性能瓶頸排查推理速度慢首先要看是計(jì)算瓶頸還是顯存瓶頸。計(jì)算瓶頸表現(xiàn)為GPU利用率高但吞吐量低解決辦法是量化FP16轉(zhuǎn)INT8或INT4、算子融合、批處理。顯存瓶頸表現(xiàn)為OOM或者頻繁的顯存交換解決辦法是減少批大小、用PagedAttention管理KV Cache、或者用模型并行把模型切到多張卡上。首token延遲是另一個(gè)關(guān)鍵指標(biāo)。對(duì)于流式輸出場(chǎng)景用戶對(duì)首token延遲非常敏感。優(yōu)化首token延遲的關(guān)鍵是預(yù)填充階段的效率。vLLM的連續(xù)批處理能把不同請(qǐng)求的預(yù)填充階段重疊起來顯著降低平均延遲。還有一個(gè)常見問題是顯存泄漏。長(zhǎng)時(shí)間運(yùn)行后顯存占用越來越高最終OOM。這通常是KV Cache沒有正確釋放導(dǎo)致的。排查方法是監(jiān)控顯存占用曲線如果呈鋸齒狀上升基本可以確定是泄漏。解決辦法是檢查推理框架的版本或者手動(dòng)管理KV Cache的生命周期。4.3 常見問題速查表問題現(xiàn)象可能原因排查方法解決方案輸出重復(fù)啰嗦溫度過低、重復(fù)懲罰不足檢查temperature和repetition_penalty參數(shù)提高溫度到0.7-0.9設(shè)置重復(fù)懲罰1.1-1.2輸出答非所問提示不清晰、上下文混淆簡(jiǎn)化提示檢查上下文是否包含干擾信息重寫提示清理無關(guān)上下文推理速度慢批大小過大、未量化監(jiān)控GPU利用率和顯存占用減小批大小啟用量化使用vLLM顯存OOM模型太大、KV Cache過長(zhǎng)檢查模型參數(shù)量和上下文長(zhǎng)度換小模型啟用量化限制上下文長(zhǎng)度微調(diào)后效果變差學(xué)習(xí)率過高、數(shù)據(jù)質(zhì)量差對(duì)比微調(diào)前后的loss曲線降低學(xué)習(xí)率清洗訓(xùn)練數(shù)據(jù)中文輸出夾雜英文訓(xùn)練數(shù)據(jù)中英混合檢查微調(diào)數(shù)據(jù)語(yǔ)言分布增加中文數(shù)據(jù)比例或加語(yǔ)言約束提示5. 大模型技術(shù)社區(qū)與學(xué)習(xí)資源5.1 值得關(guān)注的技術(shù)社區(qū)與交流渠道大模型領(lǐng)域發(fā)展太快閉門造車肯定不行。國(guó)內(nèi)比較活躍的技術(shù)社區(qū)有DeepSeek技術(shù)社區(qū)、魔搭社區(qū)、OpenBMB社區(qū)等。這些社區(qū)不僅有官方文檔和模型下載還有大量實(shí)踐者的經(jīng)驗(yàn)分享。GitHub上的awesome系列倉(cāng)庫(kù)也是很好的資源比如awesome-llm、awesome-chatgpt-prompts整理了大量的論文、工具和教程。論文閱讀方面arXiv是必看的但每天新增的論文太多全看根本不現(xiàn)實(shí)。建議關(guān)注幾個(gè)核心方向模型架構(gòu)改進(jìn)、訓(xùn)練效率優(yōu)化、推理加速、對(duì)齊技術(shù)。每個(gè)方向挑幾篇高引論文精讀比泛讀一百篇都有用。實(shí)操學(xué)習(xí)方面Hugging Face的Transformers庫(kù)是最好的入門材料。它的文檔詳細(xì)示例豐富而且社區(qū)活躍。從pipeline接口開始逐步深入到模型源碼是比較合理的學(xué)習(xí)路徑。Kaggle上的NLP競(jìng)賽也是練手的好機(jī)會(huì)能看到別人是怎么調(diào)參和優(yōu)化的。5.2 從理論到實(shí)踐的進(jìn)階路線建議如果你剛接觸大模型建議按這個(gè)順序來第一周跑通Hugging Face的pipeline體驗(yàn)文本分類、問答、生成等基礎(chǔ)任務(wù)。第二周讀Transformer論文和BERT論文理解自注意力和預(yù)訓(xùn)練的原理。第三周手寫一個(gè)簡(jiǎn)單的Transformer在小型數(shù)據(jù)集上訓(xùn)練。第四周學(xué)習(xí)LoRA微調(diào)用自己的數(shù)據(jù)微調(diào)一個(gè)7B模型。進(jìn)階階段可以深入幾個(gè)方向推理優(yōu)化vLLM、TensorRT-LLM、分布式訓(xùn)練DeepSpeed、Megatron-LM、對(duì)齊技術(shù)RLHF、DPO、多模態(tài)CLIP、LLaVA。每個(gè)方向都有大量的開源項(xiàng)目和論文可以參考。我個(gè)人在實(shí)際操作中的體會(huì)是不要一開始就追求大而全先把一個(gè)點(diǎn)做深做透。比如你把LoRA微調(diào)搞明白了再去看其他微調(diào)方法就很容易理解。你把vLLM的PagedAttention原理搞清楚了再看其他推理框架也能觸類旁通。大模型這個(gè)領(lǐng)域底層原理是相通的關(guān)鍵是建立自己的知識(shí)框架。最后再分享一個(gè)小技巧養(yǎng)成寫實(shí)驗(yàn)記錄的習(xí)慣。每次跑實(shí)驗(yàn)把配置、參數(shù)、結(jié)果、遇到的問題都記下來。過一段時(shí)間回頭看你會(huì)發(fā)現(xiàn)很多當(dāng)時(shí)沒想明白的問題后來自然就通了。而且這些記錄在寫論文或做分享的時(shí)候都是寶貴的素材。