用通俗的方式介绍大语言模型训练过程

大语言模型的训练分为三个阶段：预训练、监督微调和强化学习。

预训练阶段通过海量文本学习语言规律，不教授具体专业技能。

预训练的核心步骤包括：输入大量高质量文本、进行完形填空游戏、产出基座模型。

基座模型博学多才，但不懂礼貌和指令。

监督微调阶段通过高质量问答对提升模型的回答能力。

监督微调的核心变化包括：教材从无字天书变为习题集、教学方式从瞎猜变为模仿、身份从复读机变为助手。

经过监督微调，模型能够听懂指令并规范回答。

强化学习阶段通过人类反馈帮助模型建立符合人类期望的价值观。

强化学习的关键环节包括建立评分老师和通过奖励机制调整模型的回答方式。

经过强化学习，模型变得更加有帮助、诚实和无害。