GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(三)

GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(三)

5.3 GPT-3 内幕机制可视化解析
GPT-3是一个基于Transformer的语言模型，通过不同的层次提取语言不同层面的特性，构建整个语言的语义信息，它学习的过程跟人类正常学习的过程是类似的，开始的时候是一个无监督预训练，如图5-5所示，GPT-3模型可以将网络上的所有文档下载下来，包含 3000 亿个文本标记的数据集用于生成模型的训练示例，通过遮住下一个词的方式来训练模型，然后进行预测，如果模型的预测是正确的，那么这是一个很好的结果；如果预测不正确，可以通过误差来调整模型。

图5- 5无监督预训练
如图5-6所示，GPT-3 是一个大模型，使用1750 亿个参数，未经训练的模型以随机参数开始，从最原始的没有经过训练的GPT-3模型，通过一个无监督预训练的过程，形成一个新的网络，网络本身还是基于Transformer的解码器，但是这里面的参数已经做出了改变，从图中的颜色对比可以看出参数发生的一些变化，这只是第一个步骤，但是已经导致它本身非常强大了。