НЕЙРО
ЛАБСЕРИЯ «ПОД КАПОТОМ»

СЕРИЯ «ПОД КАПОТОМ» • 14 УРОКОВ • 42 МИНУТ

Оглавление

КОНТЕКСТ → ТОКЕНЫ → TRANSFORMER → ОТВЕТ

Заглянем под
капот LLM?

Короткая экскурсия по ключевым узлам больших языковых моделей — на пальцах и без математики*

3
урока бесплатно
42
минут на экскурсию
790 ₽
весь маршрут
* А для тех, кто математики не боится, скоро будет доступен бонусный раздел.
Начать осмотр

СХЕМА ОСНОВНЫХ УЗЛОВ

Сначала — общий маршрут сигнала. Затем — ключевые узлы.

УЗЕЛ01

Как рождается ответ

От одного токена к целой реплике

9 МИН
  1. 01Как модель генерирует текст3 мин
  2. 02Как из токенов получается ответ3 мин
  3. 03Что модель видит в контексте3 мин
УЗЕЛ02

Текст как числа

Токены, векторы, порядок и контекст

9 МИН
  1. 04Зачем нужны токеныдоступ 790 ₽
  2. 05Токены превращаются в векторыдоступ 790 ₽
  3. 06Порядок и значение в контекстедоступ 790 ₽
УЗЕЛ03

Как работает Transformer

Как модель собирает контекст и выбирает продолжение

12 МИН
  1. 07Как модель учитывает взаимодействие токенов друг с другомдоступ 790 ₽
  2. 08Как слои уточняют представление токенадоступ 790 ₽
  3. 09Трансформерыдоступ 790 ₽
  4. 10Выходной слой: как формируется ответ?доступ 790 ₽
УЗЕЛ04

Обучение и поведение

От обычных текстов к полезному ассистенту

12 МИН
  1. 11Теперь поговорим о том, как нейросеть обучаетсядоступ 790 ₽
  2. 12Модель изучила язык. Как научить её вести осмысленный диалог?доступ 790 ₽
  3. 13Что хранится в весахдоступ 790 ₽
  4. 14Вся цепочка целикомдоступ 790 ₽

ДЕТАЛЬНЫЙ РАЗБОР

Разобрать отдельные узлы

Необязательная математика весов, loss и attentionComing soon

ПОСЛЕ ОСМОТРА

У вас останется рабочая карта пути ответа — и понимание, где заканчивается эта упрощённая схема.

КонтекстТокеныTransformerВероятностиСледующий токен