完整学习LLM(二):大模型到底是什么

好家伙,

上一篇算是把这个系列开了个头.

我当时给自己定了一个目标:

不要只停留在会调 API.
要把大模型从原理到落地这条路慢慢走一遍.

那今天就从最基础的问题开始:

大模型到底是什么?

这个问题看起来简单.

但真要说清楚,其实不容易.

因为它很容易被讲得特别玄.

比如有人会说它在思考.

也有人会说它只是概率接龙.

这两个说法都有一点道理,但如果只记这两句话,还是很难落到项目里.

所以这篇我想换一个角度:

先不急着讲论文.
先拿普通程序和大模型对比一下.

看看它到底和我们平时写的代码有什么不一样.

0.背景:我一开始把它想简单了

刚开始用 ChatGPT 的时候,我其实很自然地把它当成一个更聪明的搜索框.

我问:

Docker 怎么部署 Go 后端?
RAG 是什么?
这个错误怎么解决?

它回答得很顺.

所以很容易产生一种错觉:

大模型 = 一个知识很多的问答系统

但后面写 RAG 的时候,我发现这个理解不够.

因为如果大模型真的是一个知识库,那它应该能精确查资料.

但它不能.

如果大模型真的是一个数据库,那我问:

筛选出所有攻击力大于 50 的装备

它应该像 SQL 一样稳定.

但它也不适合直接干这个.

所以我开始意识到:

大模型不是数据库.
大模型也不是搜索引擎.
它更像一个基于上下文生成文本的模型.

这句话听起来有点抽象.

我们慢慢拆.

1.普通程序是怎么工作的

先看我们熟悉的普通程序.

比如写一个简单的规则:

def check_attack(power: int) -> str:
    if power > 50:
        return "高攻击装备"
    return "普通装备"

这个程序的特点很明确:

规则是人写死的.
输入一样,输出基本一样.
程序不会自己发挥.

它不理解什么叫"强".

它只知道:

power > 50

满足条件就返回高攻击装备.

不满足就返回普通装备.

这种程序很可靠.

只要规则写对,它就会按规则执行.

但它的问题也很明显:

规则没写到的地方,它就不会.

比如你问它:

这件装备适合刺客还是战士?

如果代码里没有写职业判断逻辑,它就回答不了.

普通程序更像这样:

输入
  -> 人写好的规则
  -> 按步骤执行
  -> 输出

2.大模型不是按 if else 在回答

大模型不一样.

你问它:

这件装备攻击力 60,暴击率 20%,适合什么角色?

它不是在代码里找一个固定的 if else.

它更像是在看这段文本:

攻击力 60
暴击率 20%
适合什么角色

然后根据训练中学到的语言规律,项目知识,上下文线索,去生成一个最可能接得上的回答.

流程大概是:

用户输入
  -> 切成 token
  -> 进入模型计算
  -> 预测下一个 token
  -> 再预测下一个 token
  -> 拼成完整回答

注意这里最关键的是:

它不是一次性吐出整篇答案.
它是一点点生成的.

比如回答:

这件装备更适合刺客.

对模型来说,它不是一下子把这句话拿出来.

而是类似这样:

这
这件
这件装备
这件装备更
这件装备更适合
这件装备更适合刺客

当然真实过程不是按中文词这样切,而是按 token.

但先这样理解就够了.

3.那"大"到底大在哪里

LLM 里面的 L 是 Large.

这个"大",不是说它脾气大.

而是几个东西都很大:

参数量大
训练数据大
计算量大
上下文处理能力越来越大

参数可以先粗暴理解成:

模型内部学到的调节旋钮.

普通程序里,规则是人写的.

大模型里,很多能力不是人一条条写进去的,而是通过大量文本训练出来的.

训练时,模型不断做一件事:

给它前面的文本,
让它预测后面应该出现什么.

预测错了,就调整参数.

调整很多很多次以后,它就慢慢学会了一些东西:

语法
常识
代码格式
问答方式
文章结构
不同概念之间的关系

所以它看起来像会回答问题.

但底层更接近:

根据上下文,生成最合理的后续文本.

4.为什么它能回答很多没见过的问题

这个地方很容易误解.

有人会觉得:

模型回答出来了,说明它训练时见过原文.

不一定.

大模型不是简单背书.

它确实可能记住一部分训练内容,但更重要的是,它学到了大量语言模式和知识关系.

比如它学过很多类似内容:

Docker 用来打包应用
Nginx 可以做反向代理
PostgreSQL 是关系型数据库
Go 可以写后端服务

当你问:

Go 后端怎么用 Docker 部署?

它就能把这些模式组合起来,生成一个看起来合理的方案.

这也是它强的地方.

它不是只能回答固定问题.

它可以组合.

但这也是它危险的地方.

因为它组合出来的东西,不一定就是你项目里的真实情况.

比如它可能会编一个端口:

服务运行在 8080 端口.

但你的项目实际可能是:

服务运行在 8888 端口.

这时候它不是故意骗你.

它只是根据常见模式生成了一个看起来合理的答案.

这就是为什么后面需要 RAG.

因为项目事实不能只靠模型自己猜.

5.一句话理解大模型

如果先不追求严谨,我现在会这样理解 LLM:

LLM 是一个经过大量文本训练后,
能够根据上下文不断预测下一个 token,
最终生成自然语言、代码、结构化内容的模型.

这句话里面有几个关键词.

第一个:

大量文本训练

说明它的能力来自训练数据和训练过程.

第二个:

上下文

说明你给它什么信息,会直接影响它怎么回答.

第三个:

预测下一个 token

说明它的生成过程不是查表,而是一步步续写.

第四个:

生成

说明它擅长的是组织答案,解释内容,改写文本,写代码,总结材料.

但它不是天然适合做所有事.

6.它适合什么,不适合什么

大模型适合做什么?

我现在会先列这些:

解释概念
总结文档
改写表达
生成代码草稿
根据上下文组织答案
把零散信息整理成结构

这些任务都有一个共同点:

不是只要一个精确值.
而是需要理解、组织、表达.

那它不适合什么?

比如:

精确筛选数据库记录
严格计算金额
判断权限是否允许
直接当唯一事实来源
在没有资料时回答项目内部细节

这些事情不是不能和大模型结合.

而是不能只靠大模型.

比如:

筛选攻击力大于 50 的装备

应该让数据库或配置表查询来做.

大模型可以负责理解用户意图:

用户想筛选装备.
筛选条件是攻击力 > 50.

但最终筛选应该交给确定性的程序.

这就是我之前写 RAG 边界时想表达的东西.

大模型很强,但它不是所有问题的唯一答案.

7.放到项目里怎么理解

如果我要做一个真实的大模型应用,我不会把结构设计成:

用户问题 -> 大模型 -> 答案

这个太简单.

真实一点应该是:

用户问题
  -> 大模型理解意图
  -> 判断需要什么资料或工具
  -> 查知识库 / 查数据库 / 调 API
  -> 把结果交回大模型
  -> 大模型组织最终答案

也就是说:

模型负责理解和表达.
系统负责事实和动作.

这句话我觉得很重要.

因为很多大模型项目出问题,就是把模型当成了整个系统.

但模型只是核心组件.

它旁边还需要:

文档检索
数据库查询
权限控制
工具调用
日志记录
效果评测

这些东西组合起来,才像一个能落地的应用.

8.容易踩的几个坑

第一个坑:

把大模型当知识库.

它知道很多通用知识,但不知道你的私有资料.

第二个坑:

把大模型当数据库.

它可以帮你生成 SQL,但不应该自己凭感觉筛数据.

第三个坑:

把大模型当绝对正确的老师.

它说得很流畅,不代表它一定对.

第四个坑:

以为 prompt 能解决所有问题.

Prompt 很重要,但如果缺少事实数据、工具能力、权限边界,光调 prompt 没用.

第五个坑:

上来就问怎么微调.

很多问题不是微调问题.

可能只是上下文没给够.

可能应该用 RAG.

也可能应该查数据库.

9.总结

这篇先不讲 Transformer,也不讲 Attention.

只先把大模型放到一个比较朴素的位置上:

它不是普通 if else 程序.
它不是数据库.
它不是搜索引擎.
它是一个根据上下文生成内容的模型.

再压缩一下:

普通程序按规则执行.
大模型按上下文生成.

这就是今天最想记住的区别.

理解了这一点,后面很多东西就好接了.

比如:

为什么 prompt 会影响输出?
为什么 RAG 要把资料放进上下文?
为什么模型会胡说?
为什么同一个问题每次回答可能不同?
为什么它是一点点生成答案?

下一篇就顺着这个问题往下走:

为什么大模型本质上是在预测下一个 token?

也就是看看模型生成一句话时,背后到底在发生什么.