我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
控制訓練數據是一種改善輸出的方式，例如，可以在 Hugging Face 平台上本地從零開始訓練模型時應用這種方法，使用帶有規則庫的審核 Transformer 模型進行後處理也是限制幻覺生成的另一種方法。
如果模型試圖過度擬合它正在學習的數據，可能會記住整段內容，當模型出現幻覺時，它會編造出荒謬的內容，而當模型記憶化時，則完全相反，它會重複已存在的內容。
記憶化的一個主要問題是抄襲，這會導致倫理問題和法律訴訟，可以透過例如使用自動化工具控制相似內容，並透過人類回饋的強化學習（RLHF）介入來避免此問題，高風險的突現行為對不知情的用戶構成了另一種威脅。
