Перейти к содержимому
Атлас ИИ

Обработка языка и большие языковые модели

От токенизации к трансформерам и говорящим моделям

OVERVIEW

Все статьи
6
Начальный
2
Средний
3
Экспертный
1

Language is cut into tokens, compressed into vectors, and then made to “look at” itself through attention — a loop so plain it seems excessive, yet it lifted next-token prediction all the way to a general assistant. This domain traces that path in order: bag of words, embeddings, RNNs, attention, Transformers, pre-training and alignment.

Вопросы, на которые отвечает эта область

  • Q1

    What exactly does a model see when it reads a word?

  • Q2

    Why does attention beat recurrence?

  • Q3

    Why does next-token prediction yield conversation?

Статьи этой области

  1. 01ТокенизацияНачальныйМодель читает не символы, а токены — способ разбиения тихо определяет и возможности, и стоимость
  2. 02Векторные представления словНачальныйПревращение слов в координаты: синонимы сами собираются вместе, и смыслом впервые можно складывать и вычитать
  3. 03Механизм вниманияСреднийКаждая позиция может напрямую «видеть» все остальные и динамически распределять внимание по релевантности
  4. 04Архитектура TransformerСреднийЗамена эстафеты по одному слову залом, где все говорят сразу, — и дальние зависимости оказываются в одном шаге
  5. 05Предобучение и дообучениеСреднийСначала выучить язык на огромных неразмеченных корпусах, затем специализироваться на малых данных — самый экономный по данным подход в современном ИИ
  6. 06Промптинг и выравниваниеЭкспертныйСделать модель полезной, честной и безопасной труднее, чем просто увеличить её