【代码】【已解决】windows gitbash 出现CondaError: Run ‘conda init‘ before ‘conda activate‘

环境：vscode+latex workshop(扩展)texlive国科大学位论文模板原始目录结构如下提前建好待存放编译文件的文件夹，我建的文件夹名为 Tmp，我的目录结构如下：快捷键 ctrl + ,打开设置。接着，点击右上角的这个图形，进入设置的 json 文件。将以下内容粘贴至最外层的大括号{}内。"latex-workshop.latex.outDir": "./Tm...

huggingface的模型默认下载路径。modelscope的模型默认下载路径。

版本在 2021.2 之后1.找到“设置”windows快捷键： Ctrl + Alt + Smac 快捷键：Command+,2.搜索double，在 Disable double modifier key shortcuts 前面打√，然后点击Apply，再点击 OK ，即可生效版本在 2021.2 之前Press Ctrl+Shift+A to invoke the “Find Action

在强化学习 (RL) 中，仅仅知道“你得了多少分”通常是不够的。单纯追求高分可能会导致各种副作用，例如过度探索、模型不稳定，甚至偏离合理策略的“捷径”行为。为了应对这些挑战，RL 采用了多种机制，例如Ctritic（价值函数）、Clip操作、Reference模型以及较新的组相对策略优化 (GRPO)。为了使这些概念更加直观，我们打个比方：将强化学习的训练过程想象成小学考试场景。我们（正在训练的模

推测性采样算法通过小模型快速生成草稿序列，再经大模型并行验证与修正，在不改变目标模型分布的前提下实现2-2.5倍加速。该算法分为三阶段：草稿生成阶段由小模型自回归生成K个候选token；并行评分阶段由大模型一次性计算K+1个上下文的概率分布；验证修正阶段通过概率比较和随机采样决定是否保留或修正草稿token。算法关键创新在于通过并行计算减少大模型调用次数，同时利用数学设计确保生成质量与单独使用大模

JAX 是由 Google 开发的用于高性能机器学习研究的 Python 库，它将的语法与和相结合，特别适合开发深度学习模型和优化算法。

核密度图和直方图均为数据可视化工具，能够呈现数据分布状况，不过它们在原理与表现形式上存在差异。下面将对它们的原理、差异进行详细介绍，并给出代码示例。通过这些可视化工具，我们可以更好地理解数据的分布特征，为后续的数据分析和建模工作提供有力支持。

在强化学习 (RL) 中，仅仅知道“你得了多少分”通常是不够的。单纯追求高分可能会导致各种副作用，例如过度探索、模型不稳定，甚至偏离合理策略的“捷径”行为。为了应对这些挑战，RL 采用了多种机制，例如Ctritic（价值函数）、Clip操作、Reference模型以及较新的组相对策略优化 (GRPO)。为了使这些概念更加直观，我们打个比方：将强化学习的训练过程想象成小学考试场景。我们（正在训练的模

预测值与真实值的皮尔逊相关系数，衡量线性相关性，范围[-1, 1]，绝对值越接近1越好。：对称平均绝对百分比误差，通过对称分母解决MAPE的不对称问题。：预测误差相对于基线模型（用均值预测）的比例，值越小越好。：预测误差的百分比平方平均，进一步放大相对大误差的影响。：MSE的平方根，恢复原始数据单位，平衡大误差的影响。：预测误差的平均绝对值，直观反映预测偏差的大小。：预测误差的百分比平均，直观反映