什么是大模型？什么是模型参数
输入序列 X =X=[x1 ,x2 ,...,xm ]， 输出序列Y=[y1 ,y2 ,…,yn ]，X和Y之间的关系是：Y=WX。
“大模型”这个词：“大”是指用于训练模型的参数非常多，多达千亿、万亿；而“模型”指的就是上述公式中的矩阵W
在这里，矩阵W就是通过机器学习，得出的用来将X序列，转换成Y序列的权重参数组成的矩阵。
2）通俗地理解，就是参数特别特别多的机器学习模型，大模型到底有多大？GPT-3是1750亿个参数，据说GPT-4是有1.76万亿个参数。目前典型的主流大模型，是像GPT-3这样千亿规模的，小一些的是百亿规模的。
3）deepseek-r1:1.5b，qwen:7b，llama:8b，这里的1.5b，7b、8b代表什么？b是英文的billion，意思是十亿，7b就是70亿，8b就是80亿，70亿、80亿是指大模型的神经元参数（权重参数weight十bias）的总量，目前大模型都是基于Transformer架构，并且是很多层的Transformer结构，最后还有全连接层等，所有参数加起来70亿，80亿，还有的上千亿。
什么是token？
模型是无法直接处理文本的，只能处理数字，就跟ASCII码表、Unicode码表一样，计算机在处理文字时也是先将文字转成对应的字码，然后为每个字码编写一个对应的数字记录在表中，最后再处理。所以模型在处理文本时，第一步就是先将文本转换成对应的字码，也就是大模型中的token
什么是向量、矩阵、张量？
张量是一个多维数组，可以看作是向量和矩阵的更底层的表示，向量和矩阵是张量的特例。例如向量是一维的张量，矩阵是二维的张量。
张量可以有任意数量的维度，而不仅仅是一维（向量）或二维（矩阵）。张量在物理学中用来表示多维空间中的物理量，如应力、应变等。在深度学习中，张量用于表示数据和模型参数的多维结构。
