在大模型预训练中，常用的损失函数有哪些？为什么通常采用交叉熵损失？

回答思路

1. 能列举交叉熵损失并说明其用于类别预测的原理
2. 能解释为何用交叉熵而非均方误差（梯度、概率分布对齐）
3. 能说明掩码语言建模或自回归中损失函数的应用形式