主要参考
【GPT，GPT-2，GPT-3 论文精读【李沐论文精读】-2022.03.04】 https://www.bilibili.com/video/BV1AF411b7xQ/
大语言模型综述： http://t.csdnimg.cn/4obR4
发展节点
2017.06 Transformer: 所有大语言模型LLMs的基础结构 , Attention is all you need !
2018.06 GPT: 只用Transformer解码器,只预测未来：Improving language understanding by Generative Pre-Traning
2018.10 BERT：对标GPT，编解码结构，完型填空
2019.02 GPT-2: 更大的数据集： Language Models are Unsupervised Multitast Learner
2020.05 GPT-3: 相对于GPT-2数据和模型都大了100倍 （极少数公司能做）
GPT-3:Language models are few-shot learners
一、GPT-1: 使用大量没有标记文本无监督训练 （Generative Pre-Traning ）
论文：利用生成式预训练来提高自然语言理解
Improving language understanding by Generative Pre-Traning
二阶段训练模型：大量无标记文本 + 人工标注任务
通过在大规模无标签文本语料库上进行生成式预训练，并在每个特定任务上进行判别式微调，可以在多种自然语言理解任务上获得大幅度的提升
结构上，只用Transformer的编码器预测（预测未来）见下图左侧
损失函数上是与bert不同的
通过在大规模无标签文本语料库上进行生成式预训练，并在每个特定任务上进行判别式微调，可以在多种自然语言理解任务上获得大幅度的提升
结构与应用（预训练后，在有标注文本训练下流任务）
开始符号、结束符号、终止符
下图（左），表示Transformer架构和训练目标。
下图(右)，表示 微调不同任务的输入转换示意。将所有结构化输入转换为由我们的预训练模型处理的标记序列，然后是线性+softmax 层。
其中，右侧绿色transformer块表示第一阶段得到的预训练模型
- “Extract” ：指从模型的某个部分提取信息或特征的过程。模型会处理文本，提取和学习复杂的特征和模式。这个过程可以被视作是在“抽取”输入文本的语义和句法信息
- Delim”则可能是“Delimiter”的缩写，指的是分隔符。在自然语言处理任务中，分隔符用于区分文本中的不同部分
分隔符可以用来明确哪部分是前提（Premise），哪部分是假设（Hypothesis）。在处理输入数据时，模型会识别这些分隔符，以便正确地解析和处理各部分信息。
二、GPT-2: 语言模型是无监督的多任务学习器
论文：Language Models are Unsupervised Multitast Learner
参数15亿，Bert 1.3亿，参数相差大，但是性能差别不大， 主要创新点是zero-shot:
无监督训练后，不微调下游任务——没有任何参数或架构修改
输入更像自然语言
语言翻译：
(translate to french, english text, french text)
阅读理解
(answer the question, document, question, answer)
三、GPT-3 : 基于gpt-2,细节不明 （无监督训练，不需要参数更新就能学会各种任务）
20.05.Language models are few-shot learners
不用再进行模型参数更新，就能直接适应下游任务
零样本、少样本学习的关系
zero-shot:零样本：表示不训练，也不给示例，直接说一句功能（例如翻译英文到中文）
one-shot :一张范例：表示给出一个范例
few-show:给出多个范例
模型大小与少样本学习性能关系：少样本、零样本学习的准确率关系
实验表明：GPT3参数量扩大几百倍后，少量样本（few-shot）的学习，**准确率从20%左右到了50%**多
8个不同大小的模型
模型的大小、架构和学习超参数（令牌中的批量大小和学习率）。所有模型都训练了总共 300 亿个令牌。
用的数据集
附录
作者信息
GPT-1
GPT-2
GPT-3
