北京
“这不是魔法，这是技术。”——这是作者记录自己从零用Java实现GPT时写下的一句话。别人用现成框架跑模型，他偏要放下TensorFlow、PyTorch，用几百行线性代数手搓一个Transformer。这个项目叫MiniGPT，目标很明确：手动构建每一个组件，搞明白每个环节到底在干什么。
项目清单有些“自虐”：tokenization（分词）、embeddings（嵌入）、self-attention（自注意力）、backpropagation（反向传播）、训练和文本生成。每一步都要自己写，不碰任何AI框架。作者说，AI生态演进太快，他每天用RAG、copilot这些应用层技术，但更想知道底层到底是什么在支撑。这种“只会用，不懂里面”的挫败感，催生了MiniGPT。
为什么要这么折腾？因为Transformer几乎支撑着今天所有的生成式AI应用。2017年，Google团队在论文《Attention Is All You Need》里提出这个架构，最初解决的是机器翻译。
原版Transformer有两个部分：编码器读完整输入句，解码器逐词生成输出句。而GPT只取了一半——解码器，所以叫“decoder-only”。为什么可以砍掉一半？因为语言模型不需要先“读”一段源文本再翻译，它只需要根据前面已经出现的内容，预测下一个最可能的token。
这个“预测下一个”的机制，叫自回归建模。训练时，模型看一段文本，学习预测下一个词；生成时，它做同样的事，一遍遍循环，把自己刚生成的输出接回输入。作者强调，这不是玄学，是工程：同一个操作，重复几百万次。
真动手才知道，最磨人的是反向传播。手动实现损失函数的梯度更新，很少第一次就跑通，不是维度对不上，就是数值出问题。但作者认为，把这些坑和试错过程记录下来，恰恰是这套系列文章的价值所在——它不是给你一堆能直接复制的代码，而是展示每个设计决策背后的“为什么”，以及踩坑时的思考路径。
接下来的内容会沿着模型内部的真实处理路径展开：从句子进入模型，经过分词和嵌入变成向量，再通过自注意力层层传递，最后输出下一个token的概率分布。每一步都会单独拆解，从数学基础讲到最终的文本生成。这条路，走通了，也就真正读懂了Transformer。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
