1.明明可以使用imageview显示图片、自定义View的ondraw()绘制一张图片，那是因为Android系统是每隔16ms发出VSYNC信号来进行屏幕的重绘，这个重绘是在主线程中的。一旦主线程中的绘制任务时长超过16ms，就会出现卡帧现象。因为SurfaceView的屏幕绘制不是在主线程中，所以不会导致主线程（UI线程）的卡帧现象。所以复杂耗时的绘制任务应该放到使用SurfaceView去

文本分类旨在将金融文本划分到预定义的类别中。以下是完整的实现代码：python"""利用LLM进行金融文本分类任务"""# 定义类别及其示例'新闻报道': '今日，股市经历了一轮震荡，受到宏观经济数据和全球贸易紧张局势的影响。投资者密切关注美联储可能的政策调整，以适应市场的不确定性。','财务报告': '本公司年度财务报告显示，去年公司实现了稳步增长的盈利，同时资产负债表呈现强劲的状况。经济环境的

文本分类旨在将金融文本划分到预定义的类别中。以下是完整的实现代码：python"""利用LLM进行金融文本分类任务"""# 定义类别及其示例'新闻报道': '今日，股市经历了一轮震荡，受到宏观经济数据和全球贸易紧张局势的影响。投资者密切关注美联储可能的政策调整，以适应市场的不确定性。','财务报告': '本公司年度财务报告显示，去年公司实现了稳步增长的盈利，同时资产负债表呈现强劲的状况。经济环境的

近年来，超大规模预训练语言模型（如。

近年来，超大规模预训练语言模型（如。

Prompt-Tuning：通过模板将下游任务转化为预训练任务形式，减少额外参数，适合小样本/零样本场景。PET 核心组件：Pattern（模板）、Verbalizer（标签映射）。P-Tuning V1 核心思想：固定大模型参数，使用 LSTM + MLP 编码 Prompt，提升连续性与关联性。

Prompt-Tuning：通过模板将下游任务转化为预训练任务形式，减少额外参数，适合小样本/零样本场景。PET 核心组件：Pattern（模板）、Verbalizer（标签映射）。P-Tuning V1 核心思想：固定大模型参数，使用 LSTM + MLP 编码 Prompt，提升连续性与关联性。

版本核心变化训练方式数据集代表能力GPT-1Transformer Decoder（去掉第二子层）无监督 + 有监督微调预训练 + 微调GPT-2Pre-LayerNorm，序列长度 1024无监督（zero-shot）WebTextZero-shot 推理GPT-3大规模参数与数据无监督（few-shot/zero-shot）多源大规模数据规模驱动能力GPT-4多模态（文本+图像），128k t

版本核心变化训练方式数据集代表能力GPT-1Transformer Decoder（去掉第二子层）无监督 + 有监督微调预训练 + 微调GPT-2Pre-LayerNorm，序列长度 1024无监督（zero-shot）WebTextZero-shot 推理GPT-3大规模参数与数据无监督（few-shot/zero-shot）多源大规模数据规模驱动能力GPT-4多模态（文本+图像），128k t

大语言模型（Large Language Model，简称 LLM）是一种人工智能模型，能够理解和生成人类语言。文本分类（判断文章类别）问答（回答问题）翻译（中英互译等）对话（像 ChatGPT 一样聊天）备注“大”是指模型的参数量很大（通常超过 100 亿个参数），这些参数是在海量文本数据上训练出来的。参数越多，模型的理解和生成能力通常越强。GLM（清华大学）BLOOM（开源社区）优点能像人类一