openai的ai大模型设计是不是很神秘？

其实不神秘，看国内最新的一个团队招人

新型研究机构，AI团队招收ai大模型算子搜索、大模型训练与推理算法

ai大模型算子搜索：方向：算子辅助搜索工具的实现与开发、群体遗传算法研发、并行遗传算法研发，要求：Python/C++实现，优化、计算数学、遗传进化计算相关专业

ai大模型训练与推理算法：方向：LLM参数高效算法、幻觉抑制算法、反学习(unlearning)算法研发，要求：Pytorch深度学习/大模型训练经验，计算机、数学、EE相关专业

也就是ai大模型的算法模型研发就两块，一个就是模型的最优化算子设计，这要用并行遗传算法来搜索，不是靠人想，第二块就是训练的算法，前训练算法和后训练算法，这个靠人想

————

ibm一个做生产排程aps优化算法的，后来去openai搞ai大模型，估计就是干大模型算子搜素这个，用并行遗传算法搜索最佳的算子设计，比如几层，每层的参数（国内的免费生产排程软件isuperaps也是用并行遗传算法优化）

openai现在跑出来那么多核心员工，技术早就不保密了，估计这个团队就是按openai的模式搞

也就是说，openai的大模型的参数算子设计，其实也是并行遗传算法用超算搜索出来的

做法基本就是，先搞一个初始的算子设计，比如几层，每层多少参数，然后准备一个小规模的训练集，比如100g的训练集，和对应的测试集，先对初始算子的算法模型用100g的小规模训练集训练，测试集得分60分，然后对每个算子，用并行遗传算法搜素，对搜索出来的新算子的算法模型用100g的小规模训练集训练，测试集得分65分，这样反复的优化搜索，最后得到一个测试集得分最高的最优的算子

再对这个最优算子的算法模型，用15t 的大数据集训练，得到正式发布的模型（gpt3,gpt3.5,gpt4,gpt5)