现在大语言模型火了，像 ChatGPT 什么的，能回答问题、写文章，。但它们为啥这么聪明呢？这就和向量、Token 有关系。那怎么通过向量、Token来理解我们的问题呢。看完这篇文章就知道了

token

Token 就像是语言里的小积木，是文本中最小有意义的部分。

英文里，单词常常就是 Token，不过有时候长单词会被拆成子词，比如“unbelievable”拆成“un”“believ”“able”。

中文呢，因为字词没空格，得用工具分成一个个字词，像“我爱自然语言处理”，可能分成“我”“爱”“自然语言”“处理”这些 Token。

Tokenization 的方法与策略

• 基于空格的分割：这在英文里很好用，比如 “I am a student.”，按空格就能分成 [“I”, “am”, “a”, “student.”] 这些 Token。但遇到像 “don't” 这样的缩写，就不太行了，而且中文没有空格，不能用这个方法。
• 规则基础的分割：按照设定好的规则来分，比如把标点去掉，数字统一处理。像 “Hello, world! 123”，去掉标点就变成 [“Hello”, “world”, “123”]。不过这样可能会丢掉一些重要信息，比如引号里的内容，而且规则得根据具体情况调整。
• 字节对编码（BPE）：它会统计文本里字节对出现的频率，把经常一起出现的字节对合并成新的子词单元。比如 “low lowing lowest”，先发现 “lo” 出现多，就合并，最后可能得到 [“low”, “lowing”, “lowest”]。这个方法能处理没见过的词，但分出来的子词可能不太好理解，而且计算有点复杂。
• 字节级 BPE：在字节级别用 BPE 算法，对多种语言混合的文本或者特殊符号处理得很好，不过计算量更大，需要更多存储空间。
• WordPiece：和 BPE 类似，不过它在合并字节对的时候，会考虑对语言模型有没有帮助，会根据大量文本学习怎么分最好。但需要很多数据来训练，不然可能分不好。
• Unigram Language Model：从很多 Token 开始，慢慢去掉对语言模型不太重要的，留下有用的。这样能根据实际情况调整 Token 集合，但计算成本高，训练时间长。

Token 在模型中的作用与影响

在大语言模型里，文本要先变成 Token 序列，每个 Token 会被编成一个数字编号。比如有个简单的词汇表 {“I”: 1, “love”: 2, “natural”: 3, “language”: 4, “processing”: 5}，那么 “I love natural language processing.” 就会被编成 [1, 2, 3, 4, 5]。接着这些编号会变成向量，模型就能通过向量来理解文本的意思。

模型推理生成文本时，会根据输入的 Token 序列和学过的知识，算出下一个 Token 可能是什么，比如算出 “is” 的概率是 0.1，“a” 的概率是 0.05 等等，然后选概率高的或者用其他方法确定下一个 Token，这样就能生成连贯的文本。

选择不同的 Tokenization 方法对模型性能影响很大。词汇量大，模型能表达的意思就多，但计算也更复杂，要花更多时间和空间。处理没见过的词时，如果 Tokenization 方法好，模型就能把没见过的词拆成认识的部分，从而大概理解意思。而且合理的 Tokenization 还能让输入序列变短，计算更快，比如把 “New York” 当成一个 Token 处理，就比分开处理 “New” 和 “York” 更高效。

向量

从数学来讲，向量有大小和方向。在大语言模型里，向量用来表示单词、句子甚至整篇文档。比如把每个单词变成一个固定长度的向量，语义相近的单词，它们的向量在空间里的距离就会比较近，像 “猫” 和 “狗” 的向量距离就比 “猫” 和 “苹果” 的近。

向量的维度很重要。维度高，能表示的语义信息就多，模型能力就强，像做复杂的文本分类、理解语义、生成自然的文本等都能做得更好，但计算也更难，训练时间长，还可能出现过拟合。维度低，计算简单，但可能没法很好地表示复杂的语义，在遇到有隐含意思或者有歧义的文本时，模型就容易理解错。一般大语言模型里，词向量维度从 256 维到 1024 维甚至更高都有，句子和文档向量维度会根据模型和任务再调整。

 向量化的目的与优势

向量化主要是为了让计算机能处理文本这种非数字的数据。计算机处理数字快，把文本变成向量，就能利用计算机的计算能力来分析文本。比如在文本分类任务中，把文本变成向量后，计算机就能通过计算向量快速判断文本属于哪一类，而不是只简单地匹配文字。

向量化还能准确地抓住数据的特征和关系。在词向量空间里，语义相近的词向量距离近，不同的词向量距离远。比如 “国王” 和 “王后” 的向量相似度就比和 “苹果” 的高，模型就能根据这个理解它们的语义联系，在回答问题、生成文本时就能更符合逻辑。而且向量形式的数据做矩阵运算快，能利用高效的矩阵运算库，让模型训练和推理更快，能处理更多文本，满足实际应用中快速处理大量数据的需求。

向量在模型中的应用场景

在大语言模型里，词向量很基础。通过像 Word2Vec、GloVe 这些方法在大量文本上训练，词向量能抓住单词的语义信息。比如在情感分析任务中，模型可以根据词向量判断文本的情感倾向。

句子和文档也能变成向量。句子向量通常是把句子里单词的向量加权求和得到，文档向量也类似。这样得到的向量能用来计算文本相似度、做分类和聚类。比如在信息检索中，通过计算查询语句和文档向量的相似度，能快速找到相关文档；在文本聚类中，根据向量相似性把文本分类，能发现文本的潜在主题和模式。

在模型输入和输出时，向量化也很关键。输入文本要先变成向量，模型处理后输出也是向量，然后再变成文本。比如在文本生成任务中，模型输出的向量要解码成单词序列，才能生成连贯的文本；在机器翻译中，源语言文本变成向量输入，模型输出目标语言文本的向量，再解码成翻译结果。

向量在注意力机制里也很重要。注意力机制通过计算向量之间的相关性，给输入文本的不同部分分配不同权重，让模型能关注重要信息，提高性能。比如在阅读理解中，回答问题时，注意力机制能让模型聚焦在相关文本上，提取关键信息，回答更准确，避免无关信息干扰，让模型能更好地理解复杂文本，输出更有针对性的答案。

那Token 和向量怎么配合

文本被分成 Token 序列后，模型会用一种叫词嵌入的技术把 Token 变成向量。比如 Word2Vec，它通过让神经网络学习大量文本中单词的上下文信息，来调整单词对应的向量值，让语义相近的单词向量距离近。像 “苹果” 和 “香蕉” 如果经常在相似上下文中出现，它们的向量就会接近。

基于 Transformer 架构的模型（像 GPT、BERT 等），在嵌入层直接把 Token 变成向量。模型会给每个 Token 一个固定维度的向量，通过模型的参数矩阵和 Token 的编码（比如独热编码或者整数编码）相乘得到。比如模型嵌入层维度是 512，词汇表大小是 10000，那么一个 Token 的向量就是 512×10000 的参数矩阵和它的编码向量相乘得到的 512 维向量。这样就能快速把 Token 变成模型能处理的向量，而且随着模型训练，向量会不断优化，更好地表示 Token 的语义和语言特征。

 向量如何表征 Token 的语义

向量在空间里的位置和数值分布能表示 Token 的语义。语义相近的 Token，向量位置近，某些维度的数值也相似。比如表示颜色的 “红色”“蓝色”“绿色”，它们的向量在和颜色相关的维度上数值可能相似，其他维度有差异。通过计算向量的距离（像欧几里得距离、余弦距离）或者相似度（像余弦相似度），模型能判断 Token 语义的相似程度。

在模型推理和理解语言时，向量的这种语义表示能力很有用。比如在文本分类任务中，模型根据文本中 Token 的向量判断主题类别；在情感分析中，通过分析向量里的情感倾向信息确定文本的情感态度。向量之间的运算也能模拟一些语义关系，像 “国王 - 男人 + 女人 = 王后”，通过向量运算能得到和 “王后” 向量相近的结果，这说明模型能理解一些语义逻辑关系，提升语言理解和处理能力，更好地应对各种复杂的语言情况和任务。

 两者协同工作的机制

在大语言模型训练时，Token 和向量紧密配合。输入文本先被分成 Token 序列，然后通过词嵌入层变成向量。模型通过学习大量文本，不断调整向量的权重和参数，让向量更好地表示 Token 的语义和语言结构。比如在基于 Transformer 架构的语言模型训练中，模型通过多头注意力机制对不同位置的 Token 向量加权计算，学习 Token 之间的依赖关系和语义关联。这里 Token 的顺序和组合对模型学习语法和语义规则很重要，向量则是模型计算和推理的基础数据形式，承载 Token 的语义信息，让模型能深入理解和分析文本。

在模型推理阶段，输入文本先变成 Token 序列再变成向量输入模型。模型根据学过的知识，通过对向量的运算处理，生成输出文本的概率分布，然后选合适的 Token 输出，生成连贯文本。比如在问答系统中，模型把用户问题变成 Token 向量，在已有的知识里找相关信息，通过向量运算推理，找到答案的向量表示，再解码成 Token 序列回答用户。Token 和向量的协同工作，让模型能快速准确理解用户问题，生成合理回答，实现自然流畅的人机交互，提高模型的实用性和应用价值。