用户态和核心态是操作系统为了保护系统资源和实现权限控制而设计的 CPU 的两种运行级别。可以控制进程对计算机资源的访问权限。用户态下进程只能访问受限的资源和指令集，不能访问操作系统的核心部分，也不能直接访问硬件资源。核心态下进程可以访问全部的操作系统核心资源和指令集。进程可以直接访问硬件资源，进行系统调用、管理内存和文件系统等操作。当系统中存在这两个或多个资源的时候，当每个进程一边持有资源，并且又

for batch_x, batch_y in data_provider(X, Y, batchsize):# batch_x，batch_y为数据集的数据和标签。w_0 = torch.normal(0, 0.01, true_w.shape, requires_grad=True)# 这个w需要计算梯度。para.grad.zero_()# 使用过的梯度，归0，否则会累加。pred_y =

这里要特别注意linner的维度问题，全连接，前一层的输出维度为后一层的输入维度。由于最后得到的维度为二维，所以要用x.squeeze(1)将其转变为一维，用来和y进行计算def __init__(self, inDim): # inDim为输入维度super(Mymodel, self).__init__() # 重新定义父类的初始化函数def forward(self, x): # 模型前向传

无监督学习与监督学习的区别就在于是否给出数据的标签。

Plan-Execute-Replan是一种协作的任务执行模式，核心思路是：先规划、再执行、随时调整。Multi-Agent（多智能体）就是不是一个AI在单打独斗，而是多个AI各司其职、分工协作。每个Agent负责一个专门的职责，就像公司里不同岗位的同事配合完成一—个项目。

你有没有过这样的经历：项目上线前夜，突然报了一个告警，你印象中之前有人写过一份处理手册，但死活找不到在哪。翻了半小时的飞书文档、翻了聊天记录、翻了内部Wiki，最后发现那份文档藏在某个三级目录下的一个不起眼的角落里…再比如，新同事入职了，问你“咱们这个API的鉴权流程是什么？“，你说”文档里有”，但他可能花了一下午，都没找到那份写得最全的文档。这就是传统文档管理的痛点——信息孤岛。什么意思呢？就是

RAG召回：赋予外部知识记忆能力。动态Prompt：让大模型学习外部知识，并带有记忆(历史对话）。ReAct模式：实现复杂任务拆解与工具调用。

1）SQL语句可以单行或多行书写，以分号结尾。2）SQL语句可以使用空格/缩进来增强语句的可读性。3）MySQL数据库的sQL语句不区分大小写，关键字建议使用大写。4）注释：单行注释：--注释内容或 #注释内容多行注释：/*注释内容*/

先来说一下什么是半监督学习，就是在数据集中，有一部分的数据是没有标签的，但是数据对深度学习是非常重要的，在非必要的情况下，我们要把这些数据利用上。于是，我们可以用模型预测出来的值来当作数据的真实值，前提是模型的预测准确率要非常的高，大概在70%以上的时候，就可以用预测值来当作正确值；相反，如果模型的预测正确率非常低，可能会对模型的训练起到相反的作用。

这里要特别注意linner的维度问题，全连接，前一层的输出维度为后一层的输入维度。由于最后得到的维度为二维，所以要用x.squeeze(1)将其转变为一维，用来和y进行计算def __init__(self, inDim): # inDim为输入维度super(Mymodel, self).__init__() # 重新定义父类的初始化函数def forward(self, x): # 模型前向传