論如何在技術圈爭論中一句話噎到對方：
哥們，是我創造了第一個大語言模型。
發言者 Jeremy Howard 為澳大利亞昆士蘭大學名譽教授、曾任 Kaggle 創始總裁和首席科學家，現 answer.ai 與 fast.ai 創始人。
事情的起因是有人質疑他最近的項目 llms.txt 在幫助大模型爬取互聯網信息上并沒太大作用，從而引發了這段爭論，迅速引起眾人圍觀。
聞訊而來的“賽博考古學家們”一番考據之后，發現第一個大語言模型這個說法還真有理有據：
2018 年初，Jeremy Howard 發表的論文 ULMFiT，使用非監督預訓練-微調范式達到當時 NLP 領域的 SOTA。
甚至 GPT-1 的一作 Alec Radford，在發表 GPT-1 時也公開承認過 ULMFiT 是靈感來源之一。
有人搬出綜述論文，指出從“遺傳學”視角看，ULMFiT 是所有現代大模型“最后的共同祖先”。
還有好事者軟件工程師 Jonathon Belotti，專門寫了一篇完整考據誰才是第一個大語言模型
大語言模型起源考據
首先來介紹一下 ULMFiT 這篇論文，入選 ACL 2018：
提出有效遷移學習方法，可應用于 NLP 領域的任何任務，并介紹了微調語言模型的關鍵技術，在六個文本分類任務上的表現明顯優于當時的 SOTA 方法，在大多數數據集上將錯誤率降低了 18-24%。此外，僅使用 100 個帶標簽的示例，它的性能就與在 100 倍以上數據上從頭開始訓練的模型性能相當。
那么 ULMFit 算不算第一個大語言模型呢？Jonathon Belotti 考據遵循這樣的思路：
首先找一個大家都公認肯定算大語言模型的成果，GPT-1 肯定符合這個標準。
再從 GPT-1 和后續 GPT-2、GPT-3 中提取一個模型成為成為大語言模型的標準：
首先要是一個語言模型，根據輸入預測人類書面語言的組成部分，不一定是單詞，而是 token
核心方法是自監督訓練，數據集是未標記的文本，與此前特定于任務的數據集有很大不同
模型的行為是預測下一個 token
能適應新的任務：不需要架構修改，就有 few-shot 甚至 one-shot 能力
通用性：可以先進的性能執行各種文本任務，包括分類、問答、解析等
接下來分析 GPT-1 引用的幾個重要模型：原版 Transformer，CoVe，ELMo 和 ULMFiT。
Transformer 雖然是現代主流大模型的架構基礎，但原版只用于機器翻譯任務，還不夠通用。同時非 Transformer 架構如 LSTM、Mamba 甚至 Diffusion 也可被視作大型語言模型。
CoVE 提出了語境化詞向量，是遷移學習領域的一項重要創新，但它通過監督學習訓練（英語翻譯德語）創建向量，不符合自監督學習的條件。
ELMo 使用了自監督預訓練和監督微調范式，但在 few-shot 能力上還差點意思。
