GPT系列文章
所有相关源码示例、流程图、模型配置与知识库构建技巧，我也将持续更新在Github：LLMHub，欢迎关注收藏！
2019 年，OpenAI 发布了《Language Models are Unsupervised Multitask Learners》论文，也就是 GPT-2。相比 GPT-1，GPT-2 不仅将参数规模从 1 亿级别提升至 15 亿，还首次展现了零样本（zero-shot）能力，真正让人意识到大规模语言模型的强大潜力。
这篇博客将带你走进 GPT-2 的核心思想、训练方法和模型架构，理解它为何成为后续 GPT-3/GPT-4 崛起的关键跳板。
在阅读这篇文章前，建议你先思考以下三个问题：
- GPT-2 为什么能实现“零样本学习”，而不像 GPT-1 那样还需要微调？GPT-2 和 GPT-1 都是使用 Transformer 解码器架构，它的结构到底有什么改进？为什么规模提升能带来能力飞跃？GPT-2 在多任务上表现出强大的通用性，是因为训练数据变了吗？还是训练目标发生了变化？
1. 背景
GPT-1 采用了“预训练 + 微调”的范式，即先用大语料做无监督预训练，然后在每个具体任务上再进行有监督微调。但 GPT-2 提出了一个更激进的设想：
能不能完全不微调，只通过改变输入提示的方式，让模型直接完成下游任务？
这就是 GPT-2 的“零样本多任务学习”理念。
2. 模型结构
GPT-2 延续了 GPT-1 的架构 —— Transformer Decoder（无编码器），核心结构保持不变，但做了如下几项关键改进：
结论：模型越大，性能越强，泛化能力越好。这也是“Scaling Law”（规模法则）概念的雏形。
3. 训练数据
GPT-2 没有使用 Wikipedia，而是构建了一个更具开放性和多样性的语料集 —— WebText。
- 来源：8M 高质量网页链接，去除了 Reddit 得分 < 3 的链接，过滤了低质量内容。大小：40GB，涵盖新闻、小说、维基百科、论坛、编程等各种风格优点：包含更多自然对话、长文本、结构化知识
这使得 GPT-2 更具通用语言理解与生成能力。
4. 训练目标
GPT-2 只使用了**语言建模（Language Modeling）**作为唯一的训练目标：
其中x1,x2,...,xi−1是当前 token 前面所有的词，作为上下文输入。
但它创新性地发现：通过设计合适的 prompt（提示词），模型可以自动“识别任务类型”，并给出合适的回答。
例如：
输入：Translate English to French: The house is wonderful.输出：La maison est magnifique.在训练中 GPT-2 并没有看过这种任务标签，但因为语料中包含大量“任务式语言模式”，它学会了任务迁移能力！
5. 多任务能力验证
论文在多个任务上验证了 GPT-2 的能力：
- 文本生成（Writing prompts）阅读理解（RACE, LAMBADA）翻译（WMT English→French/German）问答（CoQA）语言建模（WikiText-103）
结果显示：
- 即使没有微调（Zero-shot），GPT-2 也能在多个任务中逼近甚至超越微调模型的性能。随着提示方式和样例数量的增加（One-shot, Few-shot），效果显著提升。模型越大，能力越强：GPT-2 XL 是最强的。
最后，我们回答一下文章开头提出的问题。
- GPT-2 为什么能实现“零样本学习”，而不像 GPT-1 那样还需要微调？
GPT-2 能实现零样本学习，是因为它在大规模通用语料（WebText）上训练了一个强大的语言建模器。通过设计不同的自然语言提示（Prompt），模型能自动理解任务意图并给出回答，无需为每个任务单独微调模型参数。
- GPT-2 和 GPT-1 都是使用 Transformer 解码器架构，它的结构到底有什么改进？为什么规模提升能带来能力飞跃？
GPT-2 在结构上与 GPT-1 相同，依然是 Transformer 解码器架构。但 GPT-2 将模型规模从 1 亿参数扩展到 15 亿，并在训练数据量和训练步数上大幅增加，遵循“规模越大，泛化越强”的 Scaling Law。这种扩展极大增强了模型的语言理解与生成能力。
- GPT-2 在多任务上表现出强大的通用性，是因为训练数据变了吗？还是训练目标发生了变化？
GPT-2 的训练目标并没有改变，仍是自回归语言建模。但其训练语料 WebText 更贴近真实世界任务语言模式，使得模型学会了对自然语言任务格式的泛化，从而实现了多任务的统一处理。这种能力来源于“数据+模型规模”的双重增强。
关于深度学习和大模型相关的知识和前沿技术更新，请关注公众号算法coting！
