人们为了减少运算量，K，V就不用 h*h了，用 h* h/12这里的12是头数，一般的多头机制，bert为12，所以用12了就，然后就是 L*h/12，然后。最右边的那4*4矩阵是怎么来的， i=0，i=0,i=1,i=1 这就是公式中pos说的不是在句子中的位置实在向量中位置，比如每个字把它分成4个字，那么就是上图。正常情况下，新生成的一个token假如第三个加到原来的后面，再次输出给模型，再次

loss（让学生模仿老师的软标签输出，就是一个好的大模型，可能有多个正确答案）+ MLM loss（让学生直接预测正确的 token）+ 余弦loss（让学生和老师的隐层表示尽量一致）插件可以理解为其他应用或者产品,为AI模型准备的接口(function call)，插件成为模型的“眼睛”和“耳朵”，“手”和“脚” 帮助模型获取信息，并完成具体事务。先预训练好权重，然后在下游任务的时候，将预训练好

而当T>1的时候，T不能过大，T在适当大的时候,e的x方，在x小的时候值是相差较小的,那么x除以T之后，softmax就会更大可能出现概率分布差不多的情况,那么模型的选择就多了,在做softmax时是进行 e的x方，当T=1时就是正常的结果，可是当0<T<1的时候,x除以T之后会变大，e的指数函数会随着x的增大会变得更大，原来的差距只会越来越大，用于限制语言模型输出的重复内容，我们根据前四个字预测

设事件组{Bi} 是样本空间的一个划分, 且P(Bi) >0(i=1,2,...n)则对任一事件,有P(A) = P(Bi)P(A|Bi) (i=1,2,3,...n)建立 K(K-1)/2 个svm分类器,每个分类器负责k个类别中的两个类别,判断1输入样本属于哪个类别。想要计算文本S属于A1类别的概率P(A1|S) = P(A1|W1,W2,W3..Wn)所谓的核函数即为满足条件:K(x1,x2

response_model是路径操作装饰器的关键参数，它通过一个Pydanticc模型来严格定义和约束API端点的输出格式。description里面填的，会在上面显示，但是小于和大于啊这些的，如果超出范围，发送的请求会返回错误。return {"id":id,"title":f"这是第{id}本书"}# 需求 查询新闻->分页 skip:跳过的记录数，limit:返回的记录数 10。参数的作用

3. 对于文档D,计算query中的词在文档D中的TFIDF值总和，作为query和文档的相关性得分。他会先选文本，然后根据切分做出词典，统计词频，就是在跟我们做任务之前，他已经准备好了，词典。2.对于一个待分词的字符串，从前向后寻找最长的，在此表中出现的词，在词边界做切分。3. 如果窗口内的词不是一个词的前缀，则记录已发现的词，并将窗口移动到词边界。3. 如果在词表中，在词边界处进行切分，之后移

P(今天天气不错) = P(今)*P(天|今)*P(天|今天)*P(气|今天天)*P(不|今天天气)*P(错|今天天气不)P(今天天气不错) = P(今)*P(天|今)*P(天|今天) * P(气|天天) * P(不|天气) * P(错|气不)就比如这个预料 ，P(今天 天气 糟糕) = P(今天)*(天气|今天)*P(糟糕|天气)P(今天 天气 不错) = P(今天)* P(天气|今天)*P(不

int pos[N];int sub[N];int ans;return 0;i <= c;return 0;

response_model是路径操作装饰器的关键参数，它通过一个Pydanticc模型来严格定义和约束API端点的输出格式。description里面填的，会在上面显示，但是小于和大于啊这些的，如果超出范围，发送的请求会返回错误。return {"id":id,"title":f"这是第{id}本书"}# 需求 查询新闻->分页 skip:跳过的记录数，limit:返回的记录数 10。参数的作用

在PromptTemplate(通用提示词模板)和FewShotPromptTemplate(FewShot提示词模板)的使用，我们使用了如下：模板对象的format方法，模板对象的invoke方法。prompt_text = few_shot_template.invoke(input={"input_word":"左"}).to_string()",#示例之后的提示词。res=chain.in