大模型简史综述 -从Transformer（2017）到DeepSeek-R1（2025）.pdf

2025年初，我国推出了一款开创性且高性价比的「大型语言模型」（Large

LanguageModel,LLM）——DeepSeek-R1，引发了AI领域的巨大变革。

本文回顾LLM的发展历程，以2017年具有革命性意义的Transformer架构为起点。

1.什么是语言模型(LanguageModels)？

「语言模型」是一种「人工智能系统」，旨在处理、理解和生成类似人类的语言。它们

从大型数据集中学习模式和结构，使得能够产生连贯且上下文相关的文本，应用于翻

译、摘要、聊天机器人和内容生成等领域。

1.1大型语言模型（LLMs）

「语言模型」（LMs）和「大型语言模型」（LLMs）这两个术语虽然经常被互换使用，

但实际上它们基于规模、架构、训练数据和能力指代不同的概念。LLMs是LMs的一个

子集，其规模显著更大，通常包含数十亿个参数（例如，GPT-3拥有1750亿个参

数）。这种更大的规模使LLMs能够在广泛的任务中表现出卓越的性能。

“LLM”这一术语在2018至2019年间随着基于Transformer架构的模型（如BERT和

GPT-1）的出现开始受到关注。然而，在2020年GPT-3发布后，这个词才被广泛使

用，展示了这些大规模模型的重大影响力和强大能力。

1.2自回归语言模型（AutoregressiveLanguageModels）

大多数LLMs以「自回归方式」(Autoregressive)操作，这意味着它们根据前面的

「文本」预测下一个「字」（或token／sub-word）的「概率分布」(propability

distribution)。这种自回归特性使模型能够学习复杂的语言模式和依赖关系，从而善

于「文本生成」。

在数学上，LLM是一个概率模型(ProbabilisticModel)，根据之前的输入文本

（₁₂ₙ₋₁）预测下一个字ₙ的概率分布。这可以表示为：

ₙ₁₂ₙ₋₁

在文本生成任时，LLM通过解码算法(DecodingAlgorithm)来确定下一个输出的

字。

这一过程可以采用不同的策略：既可以选择概率最高的下个字（即贪婪搜索），也可以

从预测的概率分布中随机采样一个字。后一种方法使得每次生成的文本都可能有所不

同，这种特性与人类语言的多样性和随机性颇为相似。

1.3生成能力

LLMs的自回归特性使其能够基于前文提供的上下文逐词生成文本。从「提示」(prompt)

开始，如下图，模型通过迭代预测下一个词，直到生成完整的序列或达到预定的停止条

件。为了生成对提示的完整回答，LLM通过将先前选择的标记添加到输入中进行迭代生

成，尤如「文字接龙」游戏。

LLM的文本生成尤如「文字接龙」游戏。

这种生成能力推动了多种应用的发展，例如创意写作、对话式人工智能以及自动化客户

支持系统。

2.Transformer革命(2017)

Vaswani等人在2017年通过其开创性论文“AttentionisAllYouNeed”引入了Transformer

架构，标志着NLP的一个分水岭时刻。它解决了早期模型如循环神经网络（RNNs）和长

短期记忆网络（LSTMs）的关键限制，这些模型在长程依赖性和顺序处理方面存在困

难。

这些问题使得使用RNN或LSTM实现有效的语言模型变得困难，因为它们计算效率低下且

容易出现梯度消失等问题。另一方面，Transformers克服了这些障碍，彻底改变了这一

领域，并为现代大型语言模型奠定了基础。

自注意力和Transformer架构

2.1Transformer架构的关键创新

自注意力机制(Self-Attention)：与按顺序处理标记并难以应对长程依赖性的RNN不同，

Transformers使用自注意力来权衡每个标记相对于其他标记的重要性。这使得模型能够

动态关注输入的相关部分。数学上：

这里，Q、K、V是查询(query)、键(key)和值(value)矩阵，dₖ是键的维度。自注意力允许

并行计算，加快训练速度，同时提高全局上下文理解。

多头注意力：多个注意力头并行操作，每个头专注于输