【前言】
生活中 AI 用得已经越来越多，一直想要了解其大概原理，这样才能知道 AI 能做什么，不能做什么。恰逢最近看了OpenAI 联合创始人安德烈·卡帕西一个长达 3 小时的视频，用非常通俗易懂的方式讲解了像 chatGPT 这样的大语言模型，是怎么一步步训练出来的，像我这样一个基本没有技术背景的人，也能看懂，是非常优秀的科普视频。
大家可以前往 B 站搜索“安德烈·卡帕西：深入探索像ChatGPT这样的大语言模型”，即可观看，全文都有字幕，不用担心听不懂。
本文也从 3 小时的视频中提炼出最核心的内容，希望能帮助你“不求甚解”地大概了解AI 大语言模型的基本训练原理。
总览：对大语言模型的训练，跟我们人类学习知识的逻辑，是一脉相承的
视频中最让我印象深刻的一点，是安德烈·卡帕西把大语言模型的训练逻辑，类比成我们上学读书学习知识的过程，竟然是出奇的一致。
回想我们小时候的课本，每个知识点的章节讲解，都包含三个步骤：
第一步、学习知识点：单纯地通过阅读了解相关知识。完成这一步，我们只掌握了知识的表层，却不知道如何使用。
第二步、查看经典题目与解法：通过查看经典题目，了解知识点如何运用来解决实际问题。完成这一步，我们能模仿这些经典解法去解决类似的问题。
第三步、课后习题：这个环节里面，课本只会提供问题与答案，需要我们自己研究如何解题。每个人的脑回路都不一样，适合的解法也都不一样，我们需要自己摸索各种可能的解法，并找到最适合自己的解法。这个过程中，甚至会激发出比经典解法更高效的方法。完成这一步，我们就真正做到了对知识点的融会贯通。
大语言模型训练的三个步骤，也正正对应着这三步，即：
接下来逐一介绍每个步骤。
第一步、预训练
【核心流程】
1、学习信息搜集
要学习知识，自然要先获取信息，而最丰富而免费的信息，自然是来自互联网。因此，最初的模型训练内容，主要来自对互联网信息的爬取。
当然，这里要做的不是简单的爬取，而是包含了过滤劣质网站、文本提取、信息去重等一系列数据加工的过程。
2、信息的编码与压缩，生成“token”
爬取到的信息都是文字，人类能通过文字理解其所表达的内容，但计算机是不能的。
那计算机能理解什么呢？是数字与计算。因此，要让计算机能学习这些信息，首先要把文字转化为数字。这里也可以分为两小步：
第一步，对文字的基本单元做编码：例如英文而言，自然是每个字母对应一个数字 ID；中文则是每个汉字对应一个数字 ID
第二步，进一步压缩信息：把信息中高频出现的“单元序列组合”，编码出一个新的 数字ID，这样，就可以用更短的 ID 序列更高效地表达一句话，计算机需要理解的成本就会更低。
例如，在下图这个案例中，既有“你”、“的”这样的独立汉字用一个数字ID来表示，也有“你好”、“今天”这样的日常短语用一个数字 ID 来表示。
而这里代表一个文字或短语的数字 ID，就是所谓的大语言模型的“token”，是计算机理解与输出信息的最小“信息单元”。
3、信息学习：神经网络“预测”模型的训练
完成前面两步后，我们已经有了用于学习的原材料数据，接下来便可用于模型学习。
那么什么是所谓的学习？
回到我们期望模型的效果，是可以像人类一样，根据上文内容输出适合的下文内容。也就是说，根据上文“预测”下文的内容。
因此，这一步，我们使用统计学中最前沿的“预测”模型：神经网络模型，再基于我们搜集到的原材料数据，训练出一个基于上文输出下文的预测模型。
浅显地介绍下这个神经网络模型的训练方法：
所谓的神经网络模型，其实就是一个巨大的包含大量参数计算的数学方程式，但其核心目标跟我们小学学的一元一次方程是类似的，也是根据输入的“x”（上文）跟模型的参数“w”（一系列计算），输出一个结果“y”（下文）。
但也有两个区别，一个是，我们之前定义的 token 并不是一个具有数值计算意义的数字，而只是一个代表对应文字的“标识符”（ID）；一个是这里输出的结果，代表的是，下文出现各个 token 的分别的概率值。
参数训练：一开始，参数都是随机的数据，输出的结果也是随机的。我们把从互联网上搜集到的学习材料，都喂给模型进行训练。模型以提升，学习材料中“正确”的下文 token 的概率，为计算目标，不断地调整参数。
【得到的成果】
当我们把全部互联网搜集到的知识，都喂给这个拥有数十亿级参数的超大模型，完成参数的训练后。我们就得到了一个可以根据“上文”预测下文的预测模型。
而在预测时：
1、每一次预测，都根据上文输入的全部内容，只输出一个下文“token”
2、根据上文输入的全部内容，本质输出的结果是，各个 token 出现的“概率”，然后基于这个概率进行一次抽样，输出一个下文“token”。
正因为存在这个抽样，而不是直接就只取概率最大的 token，因此，即使一样的上文，每一次得到的下文都是不完全一样的。
我们得到的，只是一个根据上文不断预测下文 token的预测器， 且是随机的，每次的预测结果都不一样；还并不是一个能回答问题的助理（assistant）。
我们把这一步得到的模型叫做 base model。
案例：下图这个例子很有意思。模型之所以能回答这个问题，并不是因为它理解了这个问题以及会进行计算，而是大概率 2+2 这样的问题在喂给模型的训练数据中出现过，模型能够回忆出来。而如果放任模型不断地输出下文，它就开始走向了跟问题完全没关系的哲学领域的内容当中…此时的模型，还不知道应该如何正确地回答问题。
【这个预测模型的本质】
base model 的本质，是互联网内容的模拟器。相当于把整个互联网的内容，都压缩成一堆参数。而且这些内容是模糊的/有损的、概率性的/统计性的。
特性：
- 它是一个token级别的互联网内容模拟器
- 具有随机性/概率性——每次运行都会得到不同的结果
- 它能凭借记忆逐字复述一些训练文档：模型的参数有点像互联网的一个有损压缩文件，大量有用的世界知识存储在模型的参数中
- 通过巧妙设计提示词，你可以激活其记忆，输出与提示词相关的内容
但我们还能让模型变得更好，于是咱们来到了模型训练的第二步。
第二步、后训练之“监督微调”
【背景】
完成预训练后，我们已经得到了一个可以根据“上文”预测“下文”的预测模型了，唯一的问题是，它还不大会处理“问答”这种场景中的下文预测。
要解决这个问题，很容易想到，那就是增加“问答类内容”的样本量，再训练一下模型对这方面“上文”的处理能力。这就是”监督微调“的核心原理。
这个阶段的模型训练方法，与预训练阶段是相同的，唯一改变的是数据集的类型，变成了一系列“对话问答”类的内容。
【核心流程】
1、构建对话问答类 token 序列
我们构建了<|im_start|>、<|im_sep|>、<|im_end|>等在预训练时没有的，全新人为定义的特殊token，用于把对话内容结构化，变成一种对话内容特有的 token 序列。
这些特殊 token 就像对话的‘分隔符’，明确告诉模型‘<<|im_start|>user’后面是用户的问题，‘<<|im_start|>assistant’后面是正确回答，帮助模型学会‘问答对应’”。
2、构造海量的对话问答类内容用于模型训练
接下来，我们构建海量的，涉及各个领域的对话问答内容，供给模型进行训练。这一步，需要耗费非常非常大的人力投入。所谓没有“人工”，何来“智能”。
而随着现在大语言模型的不断进步，也会通过大语言模型来生成这些数据，用于新的模型训练。
【得到的成果】
完成训练后，我们就得到了一个能够回答问题的模型，我们称之为SFT（supervise fine tuning 监督微调） model。
这个模型的本质，是结合了预训练知识， 以及从后训练数据集中习得的模仿人类回答问题方式，的一个预测模型。
听起来，是不是很像我们在学习完课本的经典题目的解法后，依样画葫芦地解决类似的问题？
案例：完成这一步，模型已经能很标准地回答一些常见问题了。
【关于幻觉产生的原因，以及其缓解方法】
幻觉产生的原因
如上文描述，模型的本质是一个概率预测模型，回答会基于统计学从概率中抽样给出一个答案，即使答案的概率本身在模型计算结果中非常低，也有出现的可能。
案例：下图这个例子中，后训练数据集曾经出现过”who is“这样的问题案例。在模型完成训练后回答类似问题时，即使向模型提问一个完全不存在的人orson kovacs，模型也会模仿后训练中这类问题的回答方式，基于预训练的知识模拟出一个答案，即使这个答案在模型计算结果中概率是非常低的，模型也会选择进行输出，因此就会出现胡编乱造的回答。
缓解方法
1、让模型学会说不知道：丰富后训练数据集，添加会回答”不知道“的案例
2、让模型学会借助工具：对于模型不懂的内容，让模型使用包括联网搜索、计算工具等能力，让搜索结果、计算结果成为模型的信息源，也就是成为输入进模型的“上文”的一部分，再输出答案
要缓解幻觉问题，可以引入以下几类训练数据：
第三步、后训练之“强化学习”
【背景】
在监督微调的过程中，后训练数据集的提供者，教会了模型按他们的方式去回答问题，模型是他们的模仿者。
但对于一个问题，是有多种解法的。而我们作为人类其实并不了解模型，我们并不知道哪个解法是更能帮助模型获得正确答案的。就像小时候做数学题，每道题都有几种解法，而我们每个人的脑回路是不一样的，并不是书本给的经典解法就最适合自己，最终需要我们自己摸索出最适合自己的，最舒适的解法，可以帮助我们自己获得最高的准确率，这个摸索过程中，甚至能迸发出比经典解法更优的全新解法。
而这就是我们这一步需要做的事情。我们只给到题目与答案，然后让模型自己摸索出最适合自己的解法。
【核心流程】
1、我们提供问题，然后让模型自己去生成一系列的解法
2、这些解法中，只有一部分是正确的
3、我们再从这些解法中找到最优秀的解法（既准确，又精简高效的）
4、把这个优秀解法作为训练数据集，去用于模型训练
5、如此往复，重复很多很多次…
【得到的成果】
通过强化学习，我们得到了两个喜人的效果：
1、模型产生了思维链（chains of thought）。
这就是我们使用 DeepSeek 等最前沿的大模型的时候，看到的思考过程。因此，我们把他们称之为推理模型（reasoning model）。
思维链的一个很重要的特点，在于让模型有了思考的过程，而不是一上来就回答问题。而这个思考的过程，都会成为“上文”的一部分，还记得大模型的预测原理，是基于全部的上文推测出下一个 token，因此上文的内容越长，越完整，预测出来的“下文”质量自然也会越高。
2、模型能产生超越人类已有知识的全新解法。
强化学习第一次出圈，就是击败人类最强围棋手的 alpha go。它正是通过强化学习，人类只告诉了它围棋的规则跟目标，然后它通过自己不断的训练，最终训练出了人类围棋历史上从来未有过的落子方法，最终超越了人类。如果它只是限制在模仿学习人类围棋手的历史案例，那它是不可能超越人类的。
当然，大语言模型的训练，要比 alpha go难得多。 因为围棋只是一个闭合领域问题（规则有限），而大语言模型要面对的是一个开放领域问题（要解决各种各样的问题）。因此，需要找多足够多的练习题给到模型进行训练。
总结
最后，再回顾一下模型训练的三个环节：
1、预训练：获取基本知识
2、监督微调：查看大量实例，模仿专家回答问题的方式
3、强化学习：提供习题，让模型自己不断训练、试验、纠错，直到找到正确的解法
在上述训练方法的基础上，模型不断进化，并发展到现在支持多模态、多流程任务的模型。
反思：预测，就等于逻辑吗？
了解完大语言模型的训练原理后，最让我惊讶的是，我们现在使用的，可以解决这么多复杂问题，甚至连高深数学题目都能解答的AI，本质上只是一个统计学的“预测模型”吗？我们人类独有的所谓“逻辑”能力，就这么简单被一个“预测”模型所战胜了？
但转念一想，会不会是，我把“逻辑”想的太高深了。会不会是，我们所拥有的“逻辑”，本质上也是一种我们基于过去经验而对当前事情的一种“预测”？当我们面对一个问题时，所想到的解题路径，也是我们基于自己过往经历类似事情时的成功或失败的反馈，而得到的属于自己的一个解法。
恰逢最近听了孟岩《无尽的探索》那期播客，里面提到了美国计算机科学家、神经科学家杰夫·霍金斯的一本书《千脑智能》，里面对大脑机制的阐述正是类似的：
或许，我们人类自诩独有的“逻辑”与“智慧”，就真的只是一种“预测模型”而已……
或许，硅基生命，已然诞生，正在以一种独特的方式，重走着碳基智能的进化之路……
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
