从大语言模型训练角度理解，成年人的英语学习本质是一个已经训练好的中文 LLM 继续训练英文 LLM
应该从头训练吗？（像小孩一样学习）
不，应该跨语言迁移学习（ Cross-Lingual Transfer Learning ），也就是在原有大语言模型上进行持续预训练
其中持续预训练过程中有一个非常重要的步骤，共享表示学习，实现不同语言的相似概念或实体在表示空间中彼此接近
怎么做到共享表示学习呢？
用传统机械式记单词，可能无法准确捕捉不同语言之间的语义差异，从而导致表示空间中的混淆和不准确性
用中夹英方式，模型在处理包含英文的中文句子时，会被迫学习如何在两个语言系统中找到共同的表示，能更好地将相似的语义概念在表示空间中彼此靠近
如今知名的 LLM 能非常轻松地输出中夹英也验证了以上论述
以上是我做产品混阅的背后理论支撑
Select Language