千千文学网

第108章 意外的物理学经验（第1页）

2025年1月，还有一件事对徐辰影响很大。

这个月，发生了一件科技界的大事。

各大国內主流新闻app的头版头条都在推送一条消息：

標题，充满了科技感与衝击力。

【“中国ai的『gpt-4时刻？deepseek-r1横空出世，性能全面超越，並宣布开源！”】

“deepseek-r1？”徐辰的眉毛，微微一挑。

在过去的几个月里，以chatgpt为代表的大语言模型（llm），如同平地惊雷，在全球范围內，掀起了一场前所未有的科技革命。

【大语言模型……ai……】

徐辰的心中，泛起了一丝好奇。

他虽然主攻的是纯粹数学，但对於这些代表著人类科技最前沿的“时髦”玩意儿，也並非一无所知。

他打开电脑，搜索到了deepseek-r1的开源论文。

他饶有兴致地，开始阅读起来。

论文的前半部分，是关於模型训练所使用的数学理论。

“……我们採用了改进的『注意力机制（attentionmechanism），其核心，是將输入序列中的每一个词向量，都映射到『查询（query）、『键（key）、『值（value）这三个向量空间中。通过计算query与所有key的点积相似度，並进行softmax归一化，来得到每个value的权重……”

【嗯，有点意思。】徐辰的眼中，闪过一丝瞭然。

【这个思路，本质上是线性代数中『投影与『加权平均思想的一种精妙应用。它通过点积来衡量向量间的『相关性，再用softmax函数將这种相关性转化为概率权重，从而让模型能够动態地聚焦於输入序列中最关键的部分。】

“……在优化器（optimizer）的选择上，我们採用了adam算法，它结合了『动量法（momentum）和『rmsprop的优点，能够自適应地，为不同参数，调整学习率……”

【原来如此。】徐辰点了点头。

【这可以看作是常微分方程中『梯度下降法的一种高级变体。它引入了『动量这个物理概念，模擬一个在损失函数曲面上滚动的小球，利用惯性衝过平坦区域和局部极小值点，从而加速收敛。而自適应学习率，则相当於为这个小球，在不同陡峭程度的路面上，配备了智能的剎车和油门系统。】

论文中那些在ai工程师看来，极其高深复杂的数学原理，在徐辰这个lv。2级別的“数学家”眼中，却如同庖丁解牛，每一个结构，每一处关节，都清晰可见。

他只花了不到半个小时，就將论文中所有的数学部分，全部吃透，甚至还能举一反三地，思考出几种可能的改进方向。

【整个大语言模型，从数学上看，可以被视为一个极其高维的、非线性的函数逼近器。它的训练过程，就是在数十亿甚至数千亿个参数构成的空间中，通过梯度下降，寻找一个能最小化『损失函数的最优解。而『注意力机制，则为这个庞大的函数，提供了高效的『剪枝策略，使其能够专注於处理长距离的依赖关係。】

然而，当他看到论文的后半部分，关於“神经网络架构”和“模型训练”的內容时，他的眉头，却渐渐地，锁了起来。

“transformer架构”、“多头注意力”、“残差连接”、“层归一化”……

这些属於计算机科学和人工智慧领域的专业术语，对他而言，就如同一个个陌生的路標，指向一片他从未踏足过的未知领域。

如果不了解神经网络为什么能擬合任何函数（万能逼近定理），对后续的深层神经网络乃至於transformer架构就更加不知道具体的工作机制了。

【对於ai，確实还存在著巨大的『盲区。】

他没有气馁，反而燃起了一股强烈的求知慾。

他打开电脑，开始在网上，疯狂地，搜索著关於“大语言模型”的基础知识。

从最基础的“感知机”模型，到“深度神经网络”，再到“循环神经网络（rnn）”和“长短期记忆网络（lstm）”，最后，才是当今大模型的核心——“transformer”。

就在他將一篇关於“transformer”核心架构的经典论文——《attentionisallyouneed》，看到一半时。