小引

最近迎来了来湾区后的第一个春天，眼看着草长莺飞，春风和煦，闺女咯咯大笑着满山坡跑，“生机勃勃”在这一刻时如此具象化。

某个午后，听到了范宗沛的《青石的街道向晚》，当江南味的评弹声一出来时，我想起了我以前也爱听唱词的外公外婆，其实也好久没有想起他们了。

我的心路转变

我的爷爷奶奶去世的早，基本记忆为0。而我和外公外婆的关系也不是特别亲密的那种关系，小的时候去外公外婆家玩，还有大人开玩笑地问我：“你有几个阿爷？”我回答说：“我有两个阿爷，一个亲阿爷，一个外公爷。”那大人于是打趣：“哦，那你外公是你假阿爷！”。小时的我没有反驳，而是顺着他的话说：“对！”。那人大笑，还和我外公学，说我说外公是假阿爷。外公也不恼，反而跟着那人一起笑。

一个有趣&有用的topic，跟大家一起探讨~

引子

丹尼尔卡尼曼在《思考，快与慢》中引入了人脑的系统一和系统二的概念：

• 系统一：不费力的反应，比如老司机开车、大人回答一位数的加减法问题等。
• 系统二：需要动用注意力/心智资源，去仔细思考，比如回答为什么一个指标变化了，做n位的乘法题。

对齐什么？

• 人类的沟通习惯
  • 不答非所问；不说太多废话；没有逻辑错误
  • GPT-3 -> InstructGPT
• 人类的价值观
  • 不产生错误的、不安全的、有偏见的回答
• 其他人类的期望💡
  • 比如：
    • 更擅长精准地使用工具（API）
    • 更擅长理解用户观看兴趣
    • 更擅长挖掘视频卖点
    • 更擅长将一个用户query转写成便于系统理解query

对齐的成本？

InstructGPT 提到了Alignment Tax，LLM在对齐后，会在传统的NLP任务上掉点。

策略梯度的通用形式

$\nabla_\theta J(\theta)=E_{\tau \sim \pi_\theta}[\sum_{t=0}^T\nabla_\theta log \pi_\theta(a_t|s_t)\Phi_t]$

• 其中，$\Phi_t$可以是各种形式：
  • 如 $\Phi_t = R(\tau)$
  • 或者 $\Phi_t = \sum_{t’=t}^T R(s’_t, a_t’)$
  • 或者 $\Phi_t = \sum_{t’=t}^T R(s’_t, a_t’) - b(s_t)$
  • 也可以是 $\Phi_t = A(s_t,a_t)=Q(s_t,a_t)-V(s_t)$

用优势函数可以降低 $\Phi_t$ 的方差。

策略梯度的 $\Phi_t$ 如果用蒙特卡洛的方式来估算，就是REINFORCE算法；如果用一个critic model来学，就是Actor-Critic架构。PPO本质上采用了Actor-Critic架构。

协程(Coroutines)的优点：协程由于由程序主动控制切换，没有线程切换的开销，所以执行效率极高。对于IO密集型任务非常适用，如果是cpu密集型，推荐多进程+协程的方式。

Generator

理解yield表达式

方法中包含yield表达式后，Python会将其视作generator对象，不再是普通的方法。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

def test():
    print("generator start")
    n = 1
    while True:
        yield_expression_value = yield n
        print("yield_expression_value = %d" % yield_expression_value)
        n += 1

# ①创建generator对象
generator = test()
print(type(generator))

print("\n---------------\n")

# ②启动generator
next_result = generator.__next__()
print("next_result = %d" % next_result)

print("\n---------------\n")

# ③发送值给yield表达式
send_result = generator.send(666)
print("send_result = %d" % send_result)

小引

去年在工作中，研究了一段时间的图文预训练，对这块的发展脉络比较清楚，也在工作中尝试捣鼓了一些解决方案。这里记录梳理一下。本文的目标是梳理图文预训练整体的发展方向，着重分析为什么会这么发展，而不仅仅是论文解读的罗列。追溯的时间区间为2019年到2022年初。

什么是图文预训练？

先用一句话概括：图文预训练借鉴了文本预训练的范式，对图文输入进行预训练，并应用于下游图文交互任务。

现实的人工智能一定是多模态的，对人类来说，图文是两个很重要的模态，以至于在AI领域，CV和NLP也几乎是各占半壁江山。那问题就来了，我们能不能直接研究图文兼备的模型呢？CV和NLP的交叉领域的问题应该怎么解呢？这些问题，都催生出了图文预训练。

小引

前几周得了流感，脑袋昏昏沉沉。原本每日早起健身也暂停了，早上起来去上班之前，便半倚在床头，看起了《禅者的初心》。一连十来天，隐约觉得感冒时读此书，特别有禅定的感觉：读的时候专注地读，心里也只有禅师教导的话语，没有二心。

等流感痊愈，近几日又去读书，感觉心中容易烦乱，于是停了下来，好好观察：是什么，导致了这种烦乱？

冲突和矛盾

我们的心，用佛教术语来说，容易心猿意马：一会儿对这个感兴趣，一会儿痛恨那个。而内心的冲突和矛盾，大概是你的心里，有两个矛盾的想法同时存在，而你陷入二者的纠结之中，难以抉择。

昨夜北京大雪，清早伫窗前远眺，久违的清晰的雪白一片。

好久没有写点东西了，近日偶然翻看以前写的文章，没有像预想中那样觉得曾经写的文字很幼稚，反而是从中发现了久违的感动，甚至还有些启发。于是心头涌上了一个想法：再来写作吧！

我之前的一波写作狂热期是高三、大一的时候，经常在QQ空间发一些自己思考的文章。那时写作对我是一种思考的方式。我常常写之前根本不知道要写什么，随着意识流开始写，开始思考。这种文字的一个缺点是目的性比较弱，你不知道它最初想表达的是什么，而且私货很多；优点是真实，思考的意识流大体都能在文字行进中捕捉到，而且写的时候的心流体验很强，越写会觉得头脑越清晰。

到大三开始准备考研、后面读研、工作，自己一直在忙碌的节奏，把大部分的精力投给立身之本的工作上，剩余的时间则是奖励式的自我放逐。生活的大部分快乐来自于工作上的正反馈，看的数也大多是技术类或者工具类的书。刚开始工作那段时间，内心处于缺乏安全感的状态，期待自己快点变成技术大牛。身边都是优秀的同学，时常会担心自己不能胜任某项工作，患得患失。现在回头想想，那应该是“工具人”的常态。

期初我的应对之法是学习心理学知识，比如阅读一些如何处理焦虑情绪的小册子。但总是有种没解决根本痛点的感觉，对症而不对根。不过生活也可以这样继续。