Datawhale Hello-Agents学习笔记，记录了核心概念、可运行的demo和结果、思考。适合入门AI Agent开发。

Datawhale Hello-Agents学习笔记，记录了核心概念、可运行的demo和结果、思考。适合入门AI Agent开发。

本文系统梳理了GPT系列模型的技术演进路线，从GPT-1到GPT-4的核心技术始终基于Decoder-only Transformer架构。GPT-1首创无监督预训练+微调范式，通过任务特定输入表示实现迁移学习；GPT-2转向纯预训练，探索zero-shot能力；GPT-3突破性地提出few-shot上下文学习，利用1750亿参数实现元学习；GPT-4则实现多模态突破，通过RLHF提升对齐能力。

本文结合实习中 Docker 的学习经历，系统梳理了 Docker 的基本概念、安装及 Windows 与 Linux 环境下的使用差异，并介绍了从编写 requirements.txt、Dockerfile 和 .dockerignore，到执行 build、run、查看日志、进入容器、停止与删除容器的完整流程。同时总结了镜像、容器、端口映射、目录挂载、数据卷、网络、环境变量和清理命令等常用操作

聚焦于pytorch框架下的cnn（含mnist识别手写数字集）、rnn和lstm、解码器编码器、自编码器模型（对MNIST数据集图像的降维和重建）。

从0入门机器学习，本篇分享几种最常用的聚类算法如k-means，参差聚类等等，包括其原理、聚类算法的评价指标，还有对各种距离公式（马氏、欧式、明氏、余弦距离、汉明距离等等）的计算。

本文详细介绍了不同的编码（onehot）、嵌入（word2vec、node2vec）、文本提取（TF-IDF）方式，并介绍了不同的编码器库函数。

本文介绍了多种数据可视化方法，使用经典数据集如iris或伪数据为例，绘制了以下图表：核密度图、箱线图、小提琴图、气泡图、蜂群图、三维散点图、折线图、雷达图、散点图回归线、条形分布图、堆叠条形图、饼图、配对图、热力图、极坐标图、分面图、区域图、平行坐标图、漏斗图、瀑布图、树状图、甘特图、桑基图、旭日图、蜡烛图、地图，以及文字形式的词云图、网络图等。此外，还介绍了tensorboard的使用以及展示了

本实验利用EEGLAB分析视觉词性判断任务中的脑电数据，探讨名词、动词、事件名词及动名兼类事件名词在语义加工中的神经差异。实验通过滤波、重参考、ICA等预处理步骤，提取ERP成分及时频特征（ERSP、ITC）。结果显示，不同ERP成分在关键通道（Cz、F3、TP7）上的脑电特征存在显著差异，验证了词性判断过程中的多通道协同机制。实验揭示了词汇加工的时空动态，为视觉刺激任务的神经电生理反馈提供了证据

深入解析：基础概念，动态规划、Q-learning、SARSA、DQN、ac、PD算法，Boltzmann、ϵ-greedy策略，优先级回放技术