【收藏必备】LLM工作原理图解：从条件概率到Temperature参数详解

原创于 2025-12-10 14:04:06 发布 · 663 阅读

CC 4.0 BY-SA版权

文章标签：

文章通过图解方式详细解释了LLM的工作原理，从基础的条件概率概念开始，说明LLM如何基于上下文预测下一个单词。文章介绍了损失计算(交叉熵损失和负对数似然)的概念，并重点解释了temperature参数如何影响模型的输出多样性和创造性。通过调整temperature值，可以在文本的确定性和多样性之间取得平衡，从而控制模型输出的创造性程度。

在 x（原帖链接见文章末尾）上看到有人分享一组图解 LLM 工作原理的帖子，内容通俗易懂，就搬运过来汉化一下，和大家一起学习！

分享者是 Akshay，他是一位 AI/ML 工程师，在 x 上的介绍如下图所示：

LLM 工作原理解释

条件概率解释

他提到，在介绍 LLM 之前，需要先了解一下条件概率（conditional probability），应该是与高中、大学学的概率学相关。有一个很形象的例子：

有 14 个人，他们中的一部分人（7 个）喜欢网球、一部分人（8个）喜欢足球、少部分人（3 个）同时喜欢网球和足球、也有极少一部分人（2 个）都不喜欢网球和足球。用图表示如下：

所以如果要表示喜欢网球的人数概率，表示方法为 P(A)，结果是 7/14；喜欢足球的人数概率，表示方法为 P(B)，结果为 8/14；同时喜欢网球和足球的人数概率，表示方法为 P(A∩B)，结果是 3/14；同时表示既不喜欢网球又不喜欢足球的人数概率，结果为 2/14。

那什么条件概率呢？

其实就是在另外一件事情发生的前提下，某件事情发生的概率。比如上面的事件 A 和事件 B，如果要表示在事件 B 发生的前提下，事件 A 发生的概率，那么表示方法是P(A∣B)。

所以，如果要计算一个人在喜欢足球的情况下，还喜欢网球的概率，计算方法为 P(A|B)=P(A∩B)/P(B)=(3/14)/(8/14)=3/8。

再拿阴天和下雨天为例来将条件概率：如果将今天下雨当作事件 A，阴天可能下雨作为事件 B（按照常识，阴天会有下雨的可能），而且事件 B 会影响下雨的预测。所以，阴天的时候就可能会下雨，这个时候就可以说条件概率 P(A|B) 是非常高的。

LLM 预测解释

回到 LLM 上来说，这些模式的任务就是预测下一个出现的单词。这就和前面讲的条件概率类似：如果给定已经出现过的单词，那下一个最可能出现的单词是哪一个？

所以，要预测下一个单词，模型就要根据之前给定的单词（上下文）来为每一个接下来可能出现的单词进行条件概率的计算，条件概率最高的单词就会被作为预测单词所选中。

而 LLM 学习的是一个高维度的单词序列概率分布。这个分布的参数就是经过训练的权重。但是这种概率毕竟是一种预测，并不是实际的结果，所以这个过程中就有一个 损失计算(Loss calculation) 的概念。

以下内容来自 ChatGPT。

Loss calculation（损失计算）是指模型在预测过程中产生的误差的度量，通常用来衡量模型预测的结果与实际目标之间的差异。通过最小化损失函数，模型能够不断优化其参数，以提高对新数据的预测能力。

上图中提到的 Cross-entropy loss 和 Negative log-likehood 是两种损失函数。

• Cross-entropy loss

Cross-entropy loss 指交叉墒损失，用来度量模型预测的概率分布与真实标签（即实际单词）间的差异。

交叉墒 用于计算两个概率分布之间的差异。在语言模型中，一个概率分布是模型对每个可能的下一个单词的预测概率，另一个是实际的单词标签的“真实分布”（通常是一个one-hot分布，即正确单词的概率为1，其他为0）。交叉熵损失的计算公式如下：

• Negative Log-Likelihood

Negative Log-Likelihood，负对数似然，简称 NLL。是机器学习中常用的一个损失函数，尤其在概率模型和分类问题中广泛应用。

以上内容来自 ChatGPT。

这种概率预测并选择最有可能的单词会带来一个问题如果总是选择可能性最大的单词，那么结果就是重复性的，这就让 LLM 显得缺乏创造性。

所以，这里面就有一个 temperature（温度） 的概念产生。

temperature（温度）

LLM 中，temperature（温度）是一个调整模型输出概率分布的超参数，通常用于文本生成和采样。它影响生成文本时的多样性和创造性，以及模型在选择下一个单词时的随机性。

因为在 LLM 中，大模型通常会生成一个概率分布，表示下一词在给定上下文下出现的可能性。例如，模型可能会为每个可能的下一个单词生成一个概率，就像前面图中所画的：

上下文是“The boy went to the“，下一个单词可能是“Cafe、Hospital、Playground、Park、School“，这几个单独对应的概率是“0.1、0.05、0.4、0.15、0.3“。

temperature 控制如何从概率分布进行采样：

• Low temperature（低温度，比如 0.1 ~ 0.5）：模型的输出会更加具有确定性，也就是更倾向于选择概率较高的单词，此时生成的文本更连贯、理性，内容更“保守”，但是也可能缺乏多样性和创意。
• High temperature（高温度，比如 0.8 ~ 1.0）：模型的输出会更加随机，也就使得低概率的单词有更大的机会被选中。这会增加生成文本的多样性和创造性，但是也可能导致输出不那么流畅或不太符合上下文。

temperature 是通过使用 softmax 函数来调整每个词的 logits（即原始的未经过归一化的分数）来对大模型的输出进行影响的。

softmax 函数是一个激活函数，用来将向量中的每个值转换成一个概率分布。其输出的每个值都会被转换成一个介于 0 和 1 之间的概率，并且所有输出的概率之和等于 1。

随后，作者给了两个不同 temperature 时候的示例来说明差别，第一张图是 low temperature 的，第二张图是 high temperature 的。

所以 LLM 并不是选择最佳（概率最大）的 token，而是对预测进行采样。所以，概率最高的 token 也有可能不会被选中。

所以，在 softmax 函数中，温度引入了一些调整，反过来这种调整又影响了采样过程。

最后作者给了一个很直观的代码示例来对 temperature 对采样的影响：

看来要学习 LLM，还需要深入学习大学的概率分布、统计、线性相关的课程啊。

普通人如何抓住AI大模型的风口？

为什么要学习大模型？

在DeepSeek大模型热潮带动下，“人工智能+”赋能各产业升级提速。随着人工智能技术加速渗透产业，AI人才争夺战正进入白热化阶段。如今近**60%的高科技企业已将AI人才纳入核心招聘目标，**其创新驱动发展的特性决定了对AI人才的刚性需求，远超金融（40.1%）和专业服务业（26.7%）。餐饮/酒店/旅游业核心岗位以人工服务为主，多数企业更倾向于维持现有服务模式，对AI人才吸纳能力相对有限。

在这里插入图片描述

这些数字背后，是产业对AI能力的迫切渴求：互联网企业用大模型优化推荐算法，制造业靠AI提升生产效率，医疗行业借助大模型辅助诊断……而餐饮、酒店等以人工服务为核心的领域，因业务特性更依赖线下体验，对AI人才的吸纳能力相对有限。显然，AI技能已成为职场“加分项”乃至“必需品”，越早掌握，越能占据职业竞争的主动权

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：