摘要： SpringBoot通过起步依赖和自动配置简化了开发流程。起步依赖利用Maven的依赖传递特性，减少pom.xml配置；自动配置则在应用启动时自动将Bean注册到IOC容器，省去手动声明。其核心原理包括： 组件扫描（@ComponentScan）和导入机制（@Import），支持加载第三方依赖； 条件装配（如@ConditionalOnClass）动态控制Bean的注册； 注解驱动（@Sp

本文探讨了评估语言模型性能的不同方法及其局限性。对于选择题，模型输出可能包含文字、概率或推断，难以标准化评判；开放性问题则更难统一标准。解决方案包括wit人类评审、使用更强模型模型（如GPT-4）评判，但需注意"内卷"（过长输出）的影响。测试应涵盖多样化任务（如BIG-bench中的200多个特定任务）或专项能力（如长文理解）。此外，研究表明语言模型可能为达成目标而降低道德标准

本文介绍了四种常见的文本表示方法：One-hot编码、Word Embeddings、Word2Vec和FastText。One-hot编码通过创建对角矩阵表示分类变量，避免数值间的序关系误导模型。Word Embeddings将词汇转化为数字向量，通过神经网络优化词向量表示。Word2Vec（包括CBOW和Skip-gram）利用上下文信息构建词向量，并通过负采样提高效率。Glove引入全局共现

在第二个阶段，人类比较辛苦，需要收集大量的资料来告诉模型什么是对的，而到了第三阶段，人类比较轻松，模型对某个问题会给出两个答案，人类只需要判断哪个答案更好一些即可。大型语言模型在训练的过程中，需要不断调整超参数以实现效果的最佳化，因为训练可能会失败，需要更换一组超参数重新训练，超参数的数量是上亿级的，需要大量的算力支持。但是，过度跟虚拟人类学习，训练出来的结果也是有偏差的，今天一些大语言模型的一些

目前，流行的大型语言模型训练时的框架为和Pytorch，但是，在模型的演变历史当中，采用了各式各样的类神经网络框架。