探究大模型内部机制的4个方法

1. Activation Patching（激活补丁）

激活修补是一种用于确定哪些激活会导致特定行为的方法。

比方说，给一位 LLM 出一道题：

“What’s 2+2?”

我们可以先破坏整个输入的隐藏状态表示。我们会预料到由于破坏而产生的错误输出，比如：

“5er”

“5er”

破坏第一层的隐藏状态会导致错误的输出

然后，我们可以在 LLM 的不同位置分别恢复未被破坏的激活。

例如，我们可以在第12层和第5个标记位置恢复未被破坏的激活，而保留其他被破坏的部分。

如果在该特定位置恢复未损坏的激活后，又出现了正确的输出，那么激活肯定与行为有关。

在第 l 层和第 i 个标记位置恢复特定的隐藏状态，即可恢复原始输出

因此，激活修补可以用来找出因果效应–例如，在上述案例中，我们或许可以确定 LLM 的哪些部分负责精确的数学计算。

另：这里展示了如何使用激活补丁来确定 LLM 中事实的存储位置：https://medium.com/@nikhilanandnj/where-are-facts-stored-in-large-language-models-0869914cfcbf

2. Activation steering（激活引导）

激活引导是一种通常用来使 LLM 以特定的 "理想 "方式行事的方法。例如，Anthropic 公司最近发布了他们的 "金门 Claude "模型–这种 LLM 无论回答什么问题，都会以某种方式提到金门大桥。

这样做的目的是沿着代表金门大桥的特定方向 "引导 "内部状态，希望 LLM 能够对金门大桥 “着迷”（并不停地谈论它）。

去年夏天，我在 Adobe Research 的实习中就采用了这一想法，使我能够将 LLM 的上下文对齐度提高20%。

如还需要深入理解激活引导这个主题，可以参考以下博客：

Understanding “steering” in LLMs

https://ai.gopubby.com/understanding-steering-in-llms-96faf6e0bee7

3. Finding neurons in a haystack (superposition) (在干草堆中寻找神经元（叠加）)

这一点与第 2 点十分相似，但也有一些关键区别，使它们成为相当独立的概念。

简单来说，这种方法就是用来找出 LLM 的哪些神经元与金门大桥等有关。

这意味着，每当 LLM 谈到金门大桥时，这些神经元就会亮起来。

这也意味着，通过增加这些神经元的强度，我们可以让 LLM 更 "痴迷 "于金门大桥，就像第 2 点所说的那样。

增强特定的神经元使 LLM 总是谈论金门大桥

那么，这与激活引导有什么关系呢？

增强特定神经元相当于在激活向量中添加一个标准基向量。

标准基向量就是除了其中一个分量为零之外，所有分量都为零的向量。

标准基向量

将这一向量添加到激活向量中（按一定的乘数 α 缩放），将有效地提升金门神经元。

增强神经元相当于添加一个引导向量

结论：以这种方式提升神经元相当于使用标准基向量来引导模型。

在常规激活引导中，我们可以添加任意向量。该向量可以涉及多个神经元，也可以只涉及一个神经元。

如果一个特定的神经元与行为有关，那么这个神经元就是单语义的。但是，如果一组神经元共同与行为有关，那么这些神经元就是多语义的。

4. Rank-One Model Editing（模型编辑）

这种方法是将行为归因于 Transformer 的特定组件（例如，特定的 MLP 或注意力层）。例如，我们可以说事实存储在模型中的特定 MLP 中。

然后，我们可以展示如何通过改变模型中特定的 MLP 权重来编辑这些事实。

Rank-One 模型编辑的简单示意图

更多模型编辑的原理：

https://medium.com/thedeephub/can-we-really-change-an-llms-memory-key-insights-from-recent-research-9ac72c563b47

参考论文

零基础入门AI大模型

今天贴心为大家准备好了一系列AI大模型资源，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

有需要的小伙伴，可以点击下方链接免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

5.免费获取

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码或者点击以下链接都可以免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》