在2017年之前，工程师们还在讨论如何让Siri、Alexa这些智能助手更“听得懂人话”。在2017年后，一个深度学习架构的提出改变了世界。可以说，这个架构的出现改变了AI的格局，让AI真正拥有了与人类“自然交流”的能力。

这个架构就是**Transformer，**2017年由Google Brain团队提出。数年后，在Transformer的基础上诞生了一个叫GPT（Generative Process Transformer）的模型，并通过ChatGPT、Gemini、Claude、Deepseek、Kimi、Qwen……等AI模型和应用广泛传播。Transformer的提出，掀开了不可逆转的全球AI竞争的帷幕。

无论你是一个开发者还是用户，只有理解了Transformer的原理，才能理解当前流行的AI模型的工作机制本质，才能理解什么是“AI幻觉”，为什么AI生成的内容不一定可信，以及在工程实践中如何优化你的AI项目。

但是我们要面对的是一个机器学习的技术架构，要完全理解它谈何容易？今天，我借助“Transformer Explainer”这个工具，用尽量显浅的语言向大家介绍Transformer的工作原理。

---

一、 Transformer基本原理：文字接龙游戏

如果要用一句话来描述Transformer的工作原理，那就是在输出文字的过程中不断重复计算同一个问题：“根据前面的文字，最有可能的下一个字（词）是什么呢？”

没错，基于Transformer架构所生成的内容，它的特征就是基于前面的文字去预测下一个字词，然后再将生成的字词和此前的文字再次组合，再预测下一个字词（或者标点符号），如此往复，直至预测出“结束”（）的标签为止。

所谓预测，其实就是一个概率游戏。已经被训练过的模型会根据输入的内容计算出所有字词的概率分布，然后从中抽取一个字词作为接龙。模型每一次计算概率的时候，大概的感觉是这样的：

我们发现，在询问AI同一个问题的时候，它回答的内容并非一成不变的。当中的最重要原因，就是“概率”问题。AI生成每一个字都是根据概率抽取的，也就是说哪怕面对同一个输入内容，结果在多次抽取中也可能出现变化。

我们回到Transformer的介绍。Transformer主要由三个部分组成：

词嵌入 Embedding：将文字转化为数组，使每个字词都变成“可计算”的向量。

Transformer转换模块：通过“多头自注意力”机制将向量进行组合和计算，并通过多层运算逐步修正数据，并输出概率分布。

概率抽样 Probabilities & Sampling：根据输出的概率分布数据进行抽样，最终确定输出的字词。

---

如果你也想通过学大模型技术去帮助自己升职和加薪，可以扫描下方链接👇👇
​​

二、Transformer的工作流程

我们以基于Transformer的文字推理模型GPT-2为例（ChatGPT的前身，相对简单方便解说，现实使用的大模型的工作机制更加复杂）。现在我给出以下三个词：make America great，让模型接下来猜下一个词。熟知时事的我们当然会脱口而出“again”，但计算机只会计算。我们知道，文字是不能进行直接“计算”的，于是计算机模型会把每个词语（此处以英语为例，有时还会拆分词根）转化为一个可以计算的数字。得益于计算机的超强计算能力，我们可以把任意词语转化为一个包含很多个“坐标”的数组，以表示它在一个高维空间中的位置。这就是“词嵌入”（embedding）的过程。

---

词嵌入

首先，模型会将"make"“America”"great"三个词语分别拆开，把它变成一个个Token。Token是大模型计算的最小的单位，一般是一个单词/常用词组（英语、西班牙语等）或者一个汉字/词组（汉语、日语等）。此前有人问AI“单词Strawberry里有多少个R”，AI基本都答错，那是因为对于AI来说，“Strawberry”是它处理数据的最小单位，而不是拼写它的每个字母。为什么要这么设计呢？因为针对单个字母的讨论在大部分的语言环境中都是没有意义的，绝大部分的AI的最小处理单元就是一个单词。

在词嵌入的过程中，每个词语都会被赋予一个特定长度的数组。在以上的GPT-2例子中，这个长度就是768。也就是说每个词语都会被转化成一个包含768个数的数组，并赋予一个特定的ID。这个映射关系是在使用大规模语言材料训练模型的时候被习得的，目的是为了通过计算两个数组在高维空间中的位置远近，来表示任意两个单词之间的关系。词语之间越接近，说明它们之间一起出现的概率越高。

在嵌入向量的同时，模型还会对输入的词语进行位置编码，以确定他们在一个句子中的正确位置。这两组向量相加形成了一个完整的输入向量，进行下一步的多层运算。

多头自注意力机制

“注意力机制”（Attention）是Transformer的核心技术特征。它通过计算输入向量之间的特征，来判断每个词语在句子中和其他词语的关系，以确定每个词语在句子中的含义。

在Transformer中，每个Token在被重新计算的时候，都会被赋予一组“注意力得分”，就是这个token与输入的所有token之间分别进行向量点积运算（向量点积运算：两个向量数组之间，对应的位置相乘，再求和）。点积运算的结果越大，说明这两个向量的距离越近——注意力得分便越高。

这样，我们就得出了每个token相对于句子中的所有token的注意力得分/权重。（在实际计算中，为了表示概率/权重，会将注意力得分进行“归一化”处理，以保证所有注意力得分的总和为1。）接下来，按照权重对原嵌入的向量进行加权求和，得出一个新的token向量数组——这个新的token向量“捕捉”到了句子中所有token的注意力。

我们把句子中的所有token按照这个方法计算，得到每两个token之间的注意力权重。在上述例子中，注意力权重（未归一化时）可表示为：

→	make	America	great
make	-4.21	-15.23	-15.43
America	-1.85	-21.36	-18.16
great	1.54	-6.14	-13.04

表格的读法按行从左到右，表示以某个token为中心，相对于当前所有token的向量点积。但是这种计算方法有问题：我们知道Transformer是一个预测模型，因此在捕捉注意力的时候，我们不能把在这个token之后出现的token计算在内——否则这个token便相当于“预知”了答案。在训练模型的过程中，如果模型“预知”了答案，那么它就会选择把注意力权重集中在下一个token作为最优解。所以我们在归一化前要进行“掩码”操作，就是把图表中在第一列token之后出现的token的注意力权重都变成（近似于）0，再重新计算点积。

→	make	America	great
make	-0.53	/	/
America	-0.23	-2.67	/
great	0.19	-0.77	-1.63

最后进行归一化（softmax）计算，确保每一行的总和为1：

→	make	America	great
make	1	/	/
America	0.92	0.08	/
great	0.65	0.25	0.10

这样我们就完成了一次注意力的捕捉，得到的每个注意力参数都分别与原向量进行加权求和，最后得到新的向量。

---

Query, Key 和 Value

在这里我们可以发现，每个token在这个过程中要做三件事：发起查询、被查询、被求和。在注意力机制中，我们使用Query（发起查询，即表格第一列）、Key（键，即表格第一行）、Value（值，即原向量数组的值），这也就是Transformer的QKV机制。同一个向量被赋予不同职责，各司其职。

1. 为了让它们负责不同的工作，我们对每一个token的原向量分别乘以一个Q/K/V的参数矩阵（Q/K/V weights，通过大规模数据训练得出），得到一式三份新的Q/K/V向量。
2. 后续计算过程和前面一致，通过Q、K向量组成注意力矩阵、计算向量点积、掩盖未来token、归一化参数。
3. 得出注意力参数后，与V向量进行加权运算，得出对于每个token的新向量，完成这一层的计算。
4. 深度学习会设置多次重复计算，利用不同的QKV参数矩阵来表示不同的任务（例如指令**、知识、语法、推理……）我们称之为“头”（heads），对同一个token进行多次运算。**Token经过多层的计算后（在这个例子中，GPT-2一共有12层）再把这12个向量“压缩”成一个新的向量——新的向量和原嵌入向量的长度相等（1,768），数值不同。

---

概率计算

得到新的向量后，模型将进入预测阶段，目标就是预测出下一个token的出现概率。每一个大语言模型都有一个“词汇表”，也就是我们在词嵌入过程中给每个token分配的ID的根据。这个词汇表（在GPT-2里有50257个token）经过训练，被表示为一个参数矩阵。把这个矩阵与新嵌入向量相乘，得到一个新的向量——这个过程一般称为“logit”（对数几率）。这个向量表示输出向量和词汇表里的每一个token的关联度——也就是预测出最有可能与原token（在这里例子里是"great"）连接的token。

光是向量表示并不容易计算，我们为了更直观了解预测概率，我们再次通过“归一化”把向量的值表示为0-1的概率，并确保所有概率的总和为1。得到这个概率后，模型会在候选token中按概率抽取下一个token并输出。在这个例子中，通过归一化后，模型得出了最有可能出现的词语是：again（96.31%），其次是输出一个句号和双引号（1.14%），其他的选项都几乎不可能出现。因此，在大部分情况下，“again”会紧接着“make America great”出现。

这就是我们现在使用的生成式AI的工作原理——它并没有高深的魔法，也没有原生智能，它所有的是数学家、计算机学家们对统计学、概率学、机器学习和深度学习的长期研究和实践。我们现在所谓的“AI玄学”和“抽卡论”，其实就是统计学和概率的外在体现。

---

调节概率

我们可以通过调节归一化的方式来调节输出的概率。对于AI工程师来说，我们主要可以调节三个参数：Temperature（温度）Top_k和Top_p。

温度影响归一化后概率的分布。温度越高，概率的分布越平整——本来较低概率的选项会有更高概率被抽中。例如我把温度从0.8调成3后，后四个选项的概率得到了显著提升，这也让我们的输出内容变得更有“创造性”——有更高的机会选到原来低概率的token。但是创造性也是一把双刃剑——AI胡言乱语的几率也更高。

以下的参数和候选token的数量有关。Top_k参数规定了从多少个候选token当中抽取，例如把top_k调整到10，则候选名单从前5个token延展到前10个。Top_p参数指的是从累计概率不高于p值（0到1）名单中抽取。这两种方法从另一个角度赋予了大模型“创造性”。

我认为Transformer技术是每个希望用好AI的用户必须理解的一项基础技术。只有理解了Transformer的原理，才能理解在我们应用实践中出现的各种问题，例如AI幻觉的产生、提示词的优化、预训练技巧等等。实际上基于Transformer的大模型训练和推理要更加复杂，作为初级和中级的学习者并不一定要完全掌握，我认为只要理解Transformer的运作机制，便足以应对日常的工作任务了。这也是我创作这篇文章的初衷——把复杂的技术资料通过浅白、有趣的方式向大家普及。

​最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

• ✅AI大模型学习路线图
• ✅Agent行业报告
• ✅100集大模型视频教程
• ✅大模型书籍PDF
• ✅DeepSeek教程
• ✅AI产品经理入门资料

如果你也想通过学大模型技术去帮助自己升职和加薪，可以扫描下方链接👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

​​

资料包有什么？

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

​​​​

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

​