鲁班模锤

现在的Stable Diffusion、DALL-E、Imagen背后都有比较类似的架构。抽象出来分为三个部分：1 文字Embedding、2 文字和图的Diffusion生成具有特定意义的中间向量、3 将最终的中间向量丢到解码器生成图片。

LlamaIndex和LangChain的对比其实是一个很复杂的话题，若需要用一句话来总结，LlamaIndex是数据之王，而LangChain是LLM应用程序开发的多面手。

LoRA提出了一种微训练模型的新方法，在冻结大部分的模型参数之余，仅仅更新额外的部分参数。同时它的性能与“微调大模型的全部参数”相似，但是能够将训练参数的数量减少了10,000倍，GPU内存需求减少了3倍。

来自苏黎世联邦理工学院、Cledar、巴斯夫欧洲公司和华沙理工大学的研究人员推出了多头 RAG （MRAG） 来解决多方面查询问题。这种新颖的方案利用了 Transformer 模型的多头注意力层的激活，而不是最后一层解码器的激活。

专家混合（层）MoE，允许增加语言模型的大小或容量，而无需相应增加计算量。只是将模型的某些层替换为该层的多个副本（称为“专家”，可以理解为每个副本专注各自的领域），这些副本具有独立的参数。

实验证明“大激活”这种现象在各种LLMs中广泛存在。这表明它不限于特定模型，而是这些模型的共同特征之一。尽管输入数据有所变化，这些大的激活值在很大程度上保持不变。这表明它们不受输入数据的影响，而是作为模型的固有属性存在。大激活充当LLMs中不可或缺的偏置项，它影响着模型的注意力机制，决定一些特定的部分获得更多的关注。

上个章节的神经网络是为了解Transformer或者Mamba做好铺垫，在和后辈交流过程中发现有个障碍，那就是向量和矩阵。其实向量和矩阵的表达方式不是所有人都很习惯。在继续下面的章节之前小编认为有必要将向量、矩阵和神经网络做下补充解释。

在继续往下的旅程之前，神经网络的基本知识十分重要，因为它涉及到后面大模型参数微调内容。于是就先停下来将一些基础知识讲明白。同时审视下神经网络的原理与背后的数学解释。如此可以更加优雅的理解大模型，当然受益的不仅仅是大模型技术，对于其他的深度神经网络也是十分重要。

RAG存在三种范式。左边为普通模式，由索引、检索和生成三部分组成。中间是进阶版本，它围绕检索前和检索后提出了多种优化策略，其流程与普通版相似，仍然遵循链式结构。最后模块化的进一步发展之前的模式，整体上也拥有更大的灵活性。整个过程不在局限于顺序检索和生成，开启了迭代查询和自适应检索等方法，有点像代理（Agent）。

众所周知，大模型以及一些预训练的模型在训练完毕之后会在其参数存储了大量的压缩资讯。但是这样的参数是通过固定的语料库训练而成，训练完毕之后这个模型已经固定了。然而外部资讯瞬息万变，加上大模型本质上为一种概率模型，所以会存在很多问题。打个比方，它没有办法知晓最近发生的事情，同时也会针对一些问题一本正经的胡说八道。

在继续前行之前，需要先停下来澄清下Token这个词，以及如何将原始的语料转化为Token，在细究背后的原理之后会更加优雅的理解大模型。任何的资讯都可以生成语料，而这些语料需要被机器理解以及供后续的模型训练，那么最常见的做法是将一段文字先切片，然后一一对应的转化为数字或者向量输入模型。

α和β的取值分别为0.5和0.5。故事还没有结束，好事者发现Gopher这个模型，若按照训练它的总算力结合研究成果，它其实只需要63B的参数，以及1.4T的样本即可以达到最优的效果。的前提下，如何权衡训练样本（Token）和模型参数（Size）两者的资源分布，毕竟两者相乘的6倍为一次训练所需的总算力，因此Token和Size的分布也就成了跷跷板。本着看热闹的不嫌事大的精神，好事者决定用Gopher等同的训练总算力，然后按照最佳配置训练新的模型Chinchilla和Gopher比比看，进而证明研究是有效的。

大模型领域的技术和模型日新月异。如何读懂一个模型，需要先理解语料、算力以及模型参数之间的关系，例如，如何预估大模型的运算所需要的参数，如何预估大模型的训练时长，一定规模参数的大模型喂入多少量级的语料才是最优，或者有没有在某种情况下模型越大任务的效率越差。

大模型为当下最热门的技术之一，目前市面上充斥着五花八门的资讯，如何让自身保持高度的清醒以及鉴别能力尤为重要。鉴于大部分的人员都非算法或者工程师背景出生，那么如何在免疫底层技术基础上，在特定的“社交场合”优雅的谈论大模型且能够保持一定的专业度将至关重要。本系列为居家旅行，“拔草灭口”的必备系列。