https://www.leanku.com/tags/%E5%A4%A7%E6%A8%A1%E5%9E%8B/Recent content in 大模型 on Leanku 的博客Hugozh-cnTue, 21 Oct 2025 00:01:01 +0800https://www.leanku.com/post/ai/%E7%90%86%E8%A7%A3%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%B7%A5%E4%BD%9C%E5%8E%9F%E7%90%86/Tue, 21 Oct 2025 00:01:01 +0800https://www.leanku.com/post/ai/%E7%90%86%E8%A7%A3%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%B7%A5%E4%BD%9C%E5%8E%9F%E7%90%86/<h1 id="理解大模型工作原理">理解大模型工作原理</h1> <h2 id="引言当计算机学会了说话">引言：当计算机学会了&quot;说话&quot;</h2> <p>想象一下，你正在和一个&quot;人&quot;对话，他能理解你的问题，能写出优美的诗句，能解释复杂的科学概念，甚至能帮你写代码。但这个&quot;人&quot;其实是一个运行在服务器上的软件程序。它如何做到的？</p> <p>这就是大语言模型（Large Language Model, LLM）创造的奇迹。在本文中，我将用一个PHP开发者的视角，带你深入理解这个&quot;数字大脑&quot;的工作原理。</p> <h2 id="一大模型是什么">一、大模型是什么？</h2> <h3 id="11-从一个形象的比喻开始">1.1 从一个形象的比喻开始</h3> <p><strong>传统程序 vs 大模型</strong></p> <table> <thead> <tr> <th>对比维度</th> <th>传统程序</th> <th>大语言模型</th> </tr> </thead> <tbody> <tr> <td><strong>工作方式</strong></td> <td>按照程序员写的代码执行</td> <td>根据海量数据&quot;学习&quot;出的规律工作</td> </tr> <tr> <td><strong>知识来源</strong></td> <td>程序员明确告诉它</td> <td>从数万亿文本中自己&quot;领悟&quot;</td> </tr> <tr> <td><strong>灵活性</strong></td> <td>只能处理预设的场景</td> <td>能应对从未见过的问题</td> </tr> <tr> <td><strong>类比</strong></td> <td>按照菜谱做菜的厨师</td> <td>尝过百万道菜后自己创造新菜的大厨</td> </tr> </tbody> </table> <h3 id="12-从数字到智能三个关键洞察">1.2 从数字到智能：三个关键洞察</h3> <h4 id="洞察一词语可以用数字表示">洞察一：词语可以用数字表示</h4> <p>就像我们可以用经纬度表示地球上的任何位置，我们也可以用一组数字（向量）表示一个词的含义：</p> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="ln">1</span><span class="cl">&#34;国王&#34; = [0.8, 0.3, -0.2, 0.5, ...] </span></span><span class="line"><span class="ln">2</span><span class="cl">&#34;王后&#34; = [0.7, 0.4, -0.1, 0.6, ...] </span></span><span class="line"><span class="ln">3</span><span class="cl">&#34;苹果&#34; = [0.1, 0.9, -0.8, -0.3, ...] </span></span></code></pre></div><h4 id="洞察二词语之间的关系可以用数学计算">洞察二：词语之间的关系可以用数学计算</h4> <p>经典的&quot;国王 - 男人 + 女人 = 王后&quot;实验表明，这些数字向量之间可以进行数学运算，而且结果符合语义！</p> <h4 id="洞察三上下文决定含义">洞察三：上下文决定含义</h4> <p>&ldquo;苹果&quot;在&quot;苹果很好吃&quot;和&quot;苹果发布了新手机&quot;中含义不同。大模型需要理解这种差异。</p> <h2 id="二大模型的核心架构">二、大模型的核心架构</h2> <h3 id="21-从神经元到神经网络">2.1 从神经元到神经网络</h3> <h4 id="单个神经元生物类比">单个神经元（生物类比）：</h4> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="ln">1</span><span class="cl">树突（接收信号） → 细胞体（处理信号） → 轴突（输出信号） </span></span></code></pre></div><h4 id="人工神经元数学抽象">人工神经元（数学抽象）：</h4> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="ln">1</span><span class="cl">输入 × 权重 + 偏置 → 激活函数 → 输出 </span></span></code></pre></div><h3 id="22-神经网络层级">2.2 神经网络层级</h3> <p>一个完整的神经网络由多个层级组成：</p>