区美毛片,毛片av在线免费观看,超黄网站在线观看,久国产精品视频,四虎网站最新网址,99热这里只有精品18,亚洲成亚洲乱码一二三四区软件

論如何在技術(shù)圈爭論中一句話噎到對方：

哥們，是我創(chuàng)造了第一個(gè)大語言模型。

發(fā)言者 Jeremy Howard 為澳大利亞昆士蘭大學(xué)名譽(yù)教授、曾任 Kaggle 創(chuàng)始總裁和首席科學(xué)家，現(xiàn) answer.ai 與 fast.ai 創(chuàng)始人。

事情的起因是有人質(zhì)疑他最近的項(xiàng)目 llms.txt 在幫助大模型爬取互聯(lián)網(wǎng)信息上并沒太大作用，從而引發(fā)了這段爭論，迅速引起眾人圍觀。

聞?dòng)嵍鴣淼摹百惒┛脊艑W(xué)家們”一番考據(jù)之后，發(fā)現(xiàn)第一個(gè)大語言模型這個(gè)說法還真有理有據(jù)：

2018 年初，Jeremy Howard 發(fā)表的論文 ULMFiT，使用非監(jiān)督預(yù)訓(xùn)練-微調(diào)范式達(dá)到當(dāng)時(shí) NLP 領(lǐng)域的 SOTA。

甚至 GPT-1 的一作 Alec Radford，在發(fā)表 GPT-1 時(shí)也公開承認(rèn)過 ULMFiT 是靈感來源之一。

有人搬出綜述論文，指出從“遺傳學(xué)”視角看，ULMFiT 是所有現(xiàn)代大模型“最后的共同祖先”。

還有好事者軟件工程師 Jonathon Belotti，專門寫了一篇完整考據(jù)誰才是第一個(gè)大語言模型

大語言模型起源考據(jù)

首先來介紹一下 ULMFiT 這篇論文，入選 ACL 2018：

提出有效遷移學(xué)習(xí)方法，可應(yīng)用于 NLP 領(lǐng)域的任何任務(wù)，并介紹了微調(diào)語言模型的關(guān)鍵技術(shù)，在六個(gè)文本分類任務(wù)上的表現(xiàn)明顯優(yōu)于當(dāng)時(shí)的 SOTA 方法，在大多數(shù)數(shù)據(jù)集上將錯(cuò)誤率降低了 18-24%。此外，僅使用 100 個(gè)帶標(biāo)簽的示例，它的性能就與在 100 倍以上數(shù)據(jù)上從頭開始訓(xùn)練的模型性能相當(dāng)。

那么 ULMFit 算不算第一個(gè)大語言模型呢？Jonathon Belotti 考據(jù)遵循這樣的思路：

首先找一個(gè)大家都公認(rèn)肯定算大語言模型的成果，GPT-1 肯定符合這個(gè)標(biāo)準(zhǔn)。

再從 GPT-1 和后續(xù) GPT-2、GPT-3 中提取一個(gè)模型成為成為大語言模型的標(biāo)準(zhǔn)：

首先要是一個(gè)語言模型，根據(jù)輸入預(yù)測人類書面語言的組成部分，不一定是單詞，而是 token

核心方法是自監(jiān)督訓(xùn)練，數(shù)據(jù)集是未標(biāo)記的文本，與此前特定于任務(wù)的數(shù)據(jù)集有很大不同

模型的行為是預(yù)測下一個(gè) token

能適應(yīng)新的任務(wù)：不需要架構(gòu)修改，就有 few-shot 甚至 one-shot 能力

通用性：可以先進(jìn)的性能執(zhí)行各種文本任務(wù)，包括分類、問答、解析等

接下來分析 GPT-1 引用的幾個(gè)重要模型：原版 Transformer，CoVe，ELMo 和 ULMFiT。

Transformer 雖然是現(xiàn)代主流大模型的架構(gòu)基礎(chǔ)，但原版只用于機(jī)器翻譯任務(wù)，還不夠通用。同時(shí)非 Transformer 架構(gòu)如 LSTM、Mamba 甚至 Diffusion 也可被視作大型語言模型。

CoVE 提出了語境化詞向量，是遷移學(xué)習(xí)領(lǐng)域的一項(xiàng)重要?jiǎng)?chuàng)新，但它通過監(jiān)督學(xué)習(xí)訓(xùn)練（英語翻譯德語）創(chuàng)建向量，不符合自監(jiān)督學(xué)習(xí)的條件。

ELMo 使用了自監(jiān)督預(yù)訓(xùn)練和監(jiān)督微調(diào)范式，但在 few-shot 能力上還差點(diǎn)意思。