Folia
← 返回头版

大语言模型不应被简单理解为"下一个Token预测器"

大语言模型的真实能力超越了单纯的序列预测。1虽然在预训练阶段,大语言模型通过学习训练数据中的实际Token序列来运作,但在后训练阶段,引入强化学习与可验证奖励(RLVR)使模型的功能发生了根本性变化。1此时模型不再仅预测训练数据中已有的序列,而是开始探索生成新序列并从奖励信号中学习。1

模型的内部编码已经包含了两层含义:一是"有用助手的模拟",二是"通过探索发现的知识"。1这一根本区别可以用国际象棋引擎来类比——从学习大师棋局的"下一步预测",到通过穷尽探索学习获胜策略,两者的能力本质上截然不同。1因此,仅将大语言模型定义为下一个Token预测器忽视了其在后训练阶段获得的超越预测本身的真实能力。1


评论