你每次和 ChatGPT、文心一言、通义千问、豆包对话时，背后那台"AI"到底在干什么？它真的在"理解"你的问题吗？这篇文章用尽量直白的方式，拆开大语言模型（LLM）的工作原理。

一、本质：一个超强的"接话茬"机器

大模型的核心任务只有一个：给定前面的文字，预测下一个最可能出现的字（或词块）。

它不检索数据库，也不"查答案"，而是基于训练时见过的海量文本，算出"下一个字该是什么"的概率分布，再按一定策略选一个出来。你看到的整段回答，就是这样一个字一个字"接"出来的。

所以，大模型本质上是一个概率模型，而不是一个装满知识的图书馆。

二、分词：把语言切成模型能处理的"乐高块"

模型读不懂"字"，先要把文本切成 token（词块）。英文常按子词切分，中文则常按字或词块切分。

比如 “unbelievable” 可能被切成 “un” + “believ” + “able”。token 是模型计算和计费的统一单位，你看到的"上下文长度"“花了多少 token”，都指这个。

三、Transformer：让模型学会"该看哪里"

2017 年，谷歌等机构在论文《Attention Is All You Need》中提出 Transformer 架构，这是现代大模型的基石。

关键机制是自注意力（self-attention）：处理每个词时，模型会同时计算它和上下文所有词的相关程度，决定"该重点关注哪些词"。这让模型能捕捉长距离依赖，比如一句话开头的主语和句尾的代词之间的关系。

相比早期模型，Transformer 可以并行计算，训练效率大幅提升，也更能扩展到超大规模。

四、预训练：吞下整个互联网

模型先在海量无标注文本（网页、书籍、代码等）上做"续写"训练：遮住一部分，让它猜出来。

这一阶段让模型学会了语法、常识和世界知识。规模定律（scaling law）指出：在合理范围内，模型参数、训练数据、算力的增大，会带来可预测的能力提升。例如 2020 年发布的 GPT-3 约有 1750 亿参数，正是在这一思路下的产物。

五、对齐：从"会说话"到"会帮忙"

只做过预训练的模型只是个"续写机器"，不一定按你的意图办事。2022 年的 InstructGPT 工作引入了 RLHF（基于人类反馈的强化学习）：

先用人类示范数据做监督微调，再收集人类对多个回答的偏好，训练一个"奖励模型"，最后用强化学习让模型倾向生成更符合人类偏好的回答。

经此对齐，模型变得更"有用、诚实、无害"。

六、推理：你提问时发生了什么

你发出问题后，模型把上下文编码，逐 token 生成回答，并把已生成的内容缓存（KV cache）以加速后续计算。

生成时并非总选概率最高的那个字，而是用温度（temperature）、top-p 等参数控制随机性：温度低更确定、保守；温度高更发散、有创意。

七、边界：它并不是全知全能

大模型有两个常被忽视的局限。

一是幻觉，即生成看似合理但与事实不符的内容；二是知识截止，模型只见过训练数据截止时间之前的信息，不会自动知道最新事件。

它擅长模式与语言，但并不真正"理解"世界，也不具备持续记忆与因果推理的可靠性。把它当作能力很强的协作者，而不是权威真理来源，会更稳妥。

小结

大模型 = 海量数据预训练出的"下一个字预测器" + Transformer 注意力机制 + 人类反馈对齐。它强大，但边界清晰。理解它怎么工作，才能更好地用好它。

参考来源

• Vaswani et al., 2017, 《Attention Is All You Need》（NeurIPS）
• Brown et al., 2020, 《Language Models are Few-Shot Learners》（GPT-3）
• Ouyang et al., 2022, 《Training language models to follow instructions with human feedback》（InstructGPT / RLHF）
• Kaplan et al., 2020, 《Scaling Laws for Neural Language Models》