从图像识别，到Transformer重新定义序列建模，再到GP与人类对话，人工智能走过的是一条“理论突破 -> 工程实现 -> 应用爆发”的经典技术演化路径。回顾其历程，我们可以清晰地看到三个特征鲜明的阶段，每一阶段都以前一阶段的理论和实践为基础，最终引爆了今天我们所见到的AI革命。AI不仅在视觉领域高歌猛进，更在自然语言处理领域取得了突破性进展，为大模型时代的到来做好了全方位的准备。2012年，

¶提示词（prompt）是人工智能领域与大模型交互的核心工具，。在人工智能领域，Prompt指的是用户给大型语言模型发出的指令。例如，“「讲个笑话」”、“「用Python编个贪吃蛇游戏」”、“「写封情书」"等。如下图，我们向模型提问“大模型课程都需要学习哪些内容”：在这个案例中，包含两个内容，一个是用户输入的部分，一个是模型给与我们的回复。从广义上讲，这两部分都是提示词，只是角色不同，一个是用户、

幻觉问题将长期存在，但随着这些技术的不断成熟与深度融合，我们正一步步地将这头“虚构的巨兽”驯服成值得信赖的得力助手，真正释放大模型在关键任务中的巨大潜力。提示词工程无法赋予模型新的知识，其效果依赖于模型固有的能力，对于知识盲区导致的幻觉治标不治本。使用高质量的、事实准确的领域数据对模型进行再训练，强化其产生正确事实的模式，抑制胡编乱造。他们拥有权威的、结构化的药物说明书数据库。大模型的幻觉，即是指

¶“云端大模型”指的是国内外大模型厂商提供的公有云大模型，以api接口的形式提供给用户付费调用大模型。下面我们简单市面上常见的大模型服务商如下：在上述的大模型供应商中，国内最常使用的有阿里云百炼和百度千帆，国外则是openai和微软Azure等平台。

¶。

1.知道特征工程是什么？2.理解特征提取的作用3.理解特征预处理的作用4.了解特征降维、特征选择、特征组合。

用于建模【特征 X】与【连续标签 y】之间的【线性关系】

逻辑回归是一种用于二分类任务的监督学习算法，核心是在线性回归的基础上套上 Sigmoid 函数，将输出压缩为 [0,1] 之间的概率，并以 0.5 为阈值进行分类。

KNN是一种基于距离的惰性学习算法，通过找最近的K个邻居来投票（分类）或平均（回归）。

k-Means 是一种无监督学习的聚类算法，用于将数据划分为 k 个互不重叠的簇。其核心思想是通过迭代优化，将样本分配到最近的簇中心（质心），并更新质心位置，直到收敛。