知识卡片

普通读书笔记卡 · 6480.j · 生成模型:GPT-6

概率来自归一化分数

理解等级:中级

模型为候选token输出logit分数,可为负数且总和不必为1。softmax对分数取指数并除以指数总和,得到非负且总和为1的概率。分数排序会影响采样,但高概率表示模型倾向,不是内容真实的证明。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      logit本身并不代表概率。logit的总和并不等于1,且数值可能是负数,而概率必须是非负的。为了将logit转换为概率,通常使用softmax层。假设模型的词表大小为N,logit向量为,则第i个token的概率pi的计算如下:

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第2章《理解基础模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section010.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:logit本身并不代表概率。logit的总和并不等于1,且数值可能是负数,而概率必须是非负的。为了将logit转换为概率,通常使用softmax层。假设模型的词表大小为N,logit向量为,则第i个token的概率pi的计算如下: