前言

不知道大家有没有想过这个问题？

我这两天对这个问题还深入思考了一下，思考的初衷是来源于现在这么多的开源大模型，而且挺多是多模态场景，而Embedding模型相对单模且英文语料居多，如果能复用大模型的output layer，是不是会加速手头上的实验进展。

但思考后觉得效果应该是比不上原生的Embedding模型，有空再专门测试一下看看。

可能主要有以下几点原因：

1. 像LLM模型都是预测next token，那么针对next token的预测，模型肯定更加关注在这个token附近的信息，那么对应这个Embedding也更多是这附近的局部信息。而我们需要的Embedding表征，是输入句子的全局表征，而不是“你好吗，我吃饭了，你可以出来了吗？”这句话里，对其中“你可以出来了吗”做的局部信息特征映射。

2. 目前比较好的Embedding模型都用到了对比学习，这种学习方式能够更精确地学习的全局Eembedding特征，如果用LLM也可以在下游接一个自监督训练器，效果也会很不错，就是成本有点高。最近有一篇paper也可供参考：《Improving Text Embeddings with Large Language Models》

image.png|550

对比学习目标是，学习一个这样的特征提取器，在它提取的特征所构建的 embedding 空间中，同类样本的 embedding 互相靠近，而不同类样本的embedding相互远离。通常，同类样本对互称为正样本（positive sample），不同类样本对互称为负样本（negative sample）。

最后的最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】