#Transformer

模型算出 softmax 概率分布之后,到底怎么"挑"下一个词?这一篇讲清楚贪婪解码、随机采样、温度系数这个"放飞旋钮",以及 Top-k / Top-p / Beam Search 的取舍。

上一篇把 LLM 拆成了 4 大模块,这篇深入 Transformer 块内部 —— 自注意力让词元"看别人",前馈网络让词元"想自己",两者一拍即合,堆 100 层就是 GPT。

把 LLM 看成黑盒太简单了 —— 拆解分词器、嵌入层、堆叠的 Transformer 块、语言建模头四个模块,讲清楚一句"我今天很"是怎么变成"开心"的。