在自然语言处理（NLP）中，input_ids 是什么

在自然语言处理（NLP）中，input_ids 是将文本转换为模型可处理的数字表示后的结果，是模型输入的核心参数之一。

一、基本概念

1. 文本数字化

   • 原始文本（如 “Hello world!”）无法直接被模型处理，需要通过分词器（Tokenizer） 将其转换为数字序列。
   • input_ids 就是这个数字序列，每个数字对应词汇表（Vocabulary）中的一个 token（词元）。

2. 词汇表（Vocabulary）

   • 模型预训练时定义的词典，包含所有可能的 token 及其对应的唯一编号。
   • 例如：词汇表可能将 “Hello” 映射为 101，“world” 映射为 202。

二、工作原理