阅读笔记——理解什么是LLM大语言模型
阅读笔记：
理解LLM
deepseek创新了什么
什么是多模态
什么是token
- 定义：Token是LLM处理文本的最小单位，相当于语言的"原子"
- 类比：
中文：1个token ≈ 1个汉字或常见词（如"模型"可能为1个token）
英文：1个token ≈ 4个字母（如"apple"可能拆为"app"+“le”）
每个token都会在模型中生成三个核心向量
○ Q 是查询向量
○ K 是线索向量
○ V 是答案向量
候选token：在自注意力机制中，候选token 是指当前token在计算注意力权重时，所有可能与之发生交互的其他token。
api
大语言模型的 本质就是文字接龙 , 相对应的使用大模型也比较简单. 可以参见deepseek的文字接龙 api 请求:
tools 工具支持：
大模型对 function calling 的支持，即大模型可以调用各种外部工具
为什么说LLM是无状态的
LLM有自注意力机制能动态关联上下文（通过Q/K/V向量），但LLM却被认为无状态。这看似矛盾，实则反映了不同层级的特性：
这时候就有一个问题，既然LLM是无状态的，不能记住跨序列的多次输入，那么LLM是如何持续关联一个对话的上下文的？——增加一个外部记忆库（传统方案是增大一个序列的max_length）