O guia do laboratório: cada comando, cada script, e tudo o que foi medido
A apostila de referência para voltar depois. E a ponte para o que vem a seguir.
Caiu aqui pelo LinkedIn? Este é o capítulo 15 do curso GPT-1 e GPT-2, desmontados. Dá para ler solto; se quiser o começo, é o capítulo 00.
O GPT-2 abriu o caminho de todo LLM que você usa hoje. Até onde esse caminho vai? Quinze capítulos desmontaram o GPT-2 até a última linha. Tudo medido numa máquina comum, sem GPU: perplexidades, atenções, decodificação, escala. E no fim do caminho fica uma pergunta que o curso não responde, porque ela pertence a outro projeto. O GPT-2 escolhe o próximo token e descobre depois onde foi parar. Todo LLM faz isso. Yann LeCun argumenta que esse caminho, sozinho, tem um teto. Nós resolvemos testar a proposta dele, em texto, com números.
Os três pontos
- Índice apostila para laboratório: qual script prova qual conceito.
- A tabela de tudo o que foi medido nesta máquina, num lugar só.
- Para onde ir depois: a série Antevisão, onde o modelo imagina antes de escolher.
Da apostila, o começo
Cada comando, cada script, cada arquivo. A apostila de referência para voltar depois — e o resumo de tudo que foi medido.
Os scripts do laboratório, o servidor do curso, a lista de dependências e as instruções de instalação estão no repositório público do curso: github.com/Rafhael-Oliveira-IA/conceitos-gpt. Quem não usa git pode baixar tudo em um arquivo .zip. Os modelos não vão no repositório, porque somam 13,2 GB: o script tools/download_models.py baixa os sete direto do Hugging Face.
O que a apostila cobre · 7 seções · 6 min
- Comece por aqui
- Índice: apostila → laboratório
- Estrutura dos arquivos
- Os apelidos dos modelos
- Tudo o que foi medido nesta máquina
- Problemas comuns
- Para onde ir depois
Todos os capítulos do curso · GPT-1 e GPT-2, desmontados
- 00 · Os sete fósseis: por que GPT-1, GPT-2 e RoBERTa são um corte histórico, não uma lista
- Glossário · Glossário do curso: o que token, camada e modelo querem dizer em IA, e no resto da TI
- 01 · Por que o GPT-2 não enxerga letras nem palavras, e o que isso custa em português
- 02 · Embeddings: de um inteiro sem sentido a um vetor que sabe que rei e rainha são parentes
- 03 · Atenção: a única operação que substituiu vinte anos de redes recorrentes
- 04 · Doze cabeças em vez de uma, e a única linha de código que separa o GPT do RoBERTa
- 05 · Por que o GPT-2 precisa de 48 andares para responder, e o que acontece dentro de cada um
- 06 · O que a escala realmente compra: de 124 milhões a 1,5 bilhão, medido
- 07 · Temperature, top-k e top-p: a decisão que muda mais o texto do que trocar de modelo
- 08 · Perplexidade: o único número que diz o que o modelo aprendeu, sem anedotas
- 09 · GPT-1 para GPT-2: mesmo tamanho, metade da perplexidade. Quatro decisões explicam
- 10 · RoBERTa: quando o avanço é treinar melhor o que já existia
- 11 · Encoder vs decoder: uma linha de código e todas as consequências que descem dela
- 12 · O detector: como um modelo de linguagem vira classificador, e por que esse não deve decidir nada
- 13 · Lendo o código original do GPT-2: 174 linhas contra tudo o que você aprendeu
- 14 · Servindo modelos: da chamada de função ao servidor HTTP, e o que a produção faz a mais
- 15 · O guia do laboratório: cada comando, cada script, e tudo o que foi medido
- 16 · O teto deste caminho: o argumento de LeCun, lido de dentro do GPT-2
Escreve o curso do GPT-2 e conduz o experimento Antevisão, medindo cada rodada antes de publicar o número. Os posts no LinkedIn começam aqui e terminam nas apostilas.
Seguir no LinkedIn →