原创力文档- 1、本文档共58页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
预训练语言模型
预训练微调
从海量数据中自动学习知识
ØBig-dataDriven，模型基于大规模语料训练而成；
将模型在大规模无标注数据上进将模型在下游各种自然语言处理任ØMulti-tasksAdaptive，支持多种任务，包括自然
行自监督训练得到预训练模型务上的小规模有标注数据进行微调语言生成NLG和自然语言理解NLU类的任务；
得到适配模型
ØFew-shot(Zero-shot)，在少甚至无标注样本的
条件下支持推理（自监督学习）。
AI大模型就是预训练语言模型
通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型
预训练语⾔模型“预训练+微调”技术范式
⼤规模⽆标注不同特定任务测试数据
⽂本数据有标注训练数据
模型预训练模型微调最终模型
Ø2017年，Google提出Transformer框架在机器翻译中取得显著进步，其分布式学习和强大编码能力受到广泛关注。
Ø2018年Google和OpenAI基于Transformer提出了预训练语言模型BERT和GPT，显著提高了NLP任务的性能，并展示出广泛的通用性。
众多预训练模型相继涌现，OpenAI以GPT2、GPT-3、ChatGPT等系列模型为代表，持续引领大模型时代的浪潮
大模型发展历程
跨模态模型
计
感算AlexNetCANResNetViTDALLE2GPT-4V
知机(图灵奖得主(Gioodfellow.(MSR.(Google)(OpenAI)(OpenAI)
图灵奖得主
视Hinton)Bengio)引用183222)
觉
201220132014201520162017201820192020202220222023
自
然Word2VecAttentionTransformer(BERTGPT-2GPT-3FoundationPaLMChatGPT
认语(Google.(图灵奖得主Google.(Google)(OpenAI)(OpenAI)Model(Google)(OpenAI)
知言引用78550)Bengio)引用91332)GPTERNIE(百度)CPM(智源)(Stanford)
处
文档评论（0）