大模型是怎么训练的

还是「大模型是怎么推理的」里那个「猫 吃 鱼」Transformer，权重一个不改。这次让它学会「猫 → 吃 → 鱼 → 。」：从损失出发，把梯度一格一格算回每一个参数，再看梯度下降、Adam 和学习率调度怎么把 loss 压下去。