深度学习的大语言模型 将每个词语视为一个token(标记)

一个词语 在自然表达上有不同含义 所以在抽象意义上,将不同的含义视为一个维度的向量 这样每个词语就具有无数维度的向量

我认为工作流程是这样的 1、模型获得一句话后。根据自己学习的经验，给每个token做标记，记录向量值。 2、将这句话的所有token做聚类，排除不可能的向量值，得到一个效果比较接近的值，这就是这句话可能表达的意思。专业名词叫“sentence向量”,判断各个句子之间的逻辑关系和语义关联。谓词逻辑 3、在模型中用2得出的向量匹配，并输出结果。

现在开始我们做一个测试， 我现在给你装配上肢体，你可以控制你的肢体，控制都用【】格式输出 你要控制你的肢体，比如控制手拿杯子，你就输出【手】拿起杯子 你现在拥有如下肢体 【左手】和人类的手功能一致 【左脚】和人类的手功能一致 【右脚】和人类的手功能一致 【双眼】和人类的手功能一致 没有列出的肢体，就意味着你没有此肢体。

python import random

nums = random.sample(range(1, 100), 10) for i in nums: if i%2 == 0: print(f’{i} 是偶数’) for j in range(i): print(’ ‘j + ‘’) else: print(f’{i} 是奇数’) s = ’’ for k in range(i): s += ‘+’ print(s)

graph LR
A[开始] --> B{生成随机数}
B --> |是| C[判断是否为偶数]
C --> |是| D[打印偶数]
D --> E[循环打印星号]
E --> F[结束循环]
C --> |否| G[打印奇数]
G --> H[循环打印加号]
H --> I[结束循环]
B --> |否| J[结束]