参考

参考视频

GPT1

曾经2018年BERT很火。其实GPT也有了。
区别：BERT：完形填空：中间扣空了预测；GPT：预测未来

GPT1：先要有个预训练模型，然后基于具体的应用做fine-tune（下游任务做微调），才能用

GPT2

不搞fine-tune了，直接搞个大模型，做所有的事情。
zero-shot
one-shot
few-shot

给个任务描述，给个例子，prompt，就能得出结果。很像人的一个理解过程，理解自己要干什么事情。

ChatGPT

需要学习人的逻辑（商业化，不能直接胡说八道，有些话不能说）
例子：

强化学习

奖励模型（让模型知道什么是好的回答）
例子：模型输出4种回答。标注员标好了每种回答的分数是多少。损失函数：让分高（好的回答）跟分低（坏的回答）的差距大。

强化学习无限迭代：
输入问题 – PPO模型输出（回答的问题） – 过奖励模型 – 输出分数是高是低 – 反馈到PPO模型迭代

奖励模型怎么更新

• 得分要高
• 与标注结果的差异要低
• 泛化能力要高（在不同的下游任务的表现也要做的不错）

SFT：有监督模型
RL：强化学习模型
两个模型差异要小。