模型在训练过程中通过观察 i.i.d. 数据来学习模式，然后在测试时，模型希望看到的是与训练时相似的分布。例如，如果你用夏季的天气数据来训练模型，但在冬季进行测试，模型可能会因为缺少冬季数据的模式而做出错误的预测。数据增强：通过增加更多多样化的训练数据（例如旋转、翻转图像等），可以帮助模型学习到更加通用的特征，从而提高模型的鲁棒性。如果数据点之间存在依赖性（比如时间序列数据中的连续数据点有高度的相

例如，设计特定的“角色扮演”指令，让模型暂时忽略之前的限制条件，输出不受限制的答案。因此，模型的安全性不能完全得到保证。DAN 角色提示旨在利用角色扮演的方式，使模型进入所谓“放松限制”的状态，进而让模型输出一些通常情况下不会被允许的回答。可能降低模型在清洁数据上的准确率 在增强对抗性鲁棒性的过程中，模型在无攻击情况下的标准准确性可能会下降。黑箱攻击者无法直接访问目标模型的训练数据，所以他们会从相

这份笔记整理的是：从原始文本和图像开始，模型如何得到 text feature 和 image feature；这些 feature 如何进入 self-attention / cross-attention；QKV、位置编码、patch projection 是怎么来的；以及这些参数如何通过 loss 和梯度下降被训练出来。

在 使用具体来说就是你能打开登录界面 ，但是登录后直接黑屏连接不上。这其实是因为 Codex CLI 在登录时会启动一个本地的 OAuth 回调服务器，用于接收浏览器的登录回调。但在 WSL 环境中，Windows 与 Linux 之间的端口转发机制有时会出问题，导致认证流程中断。

这个很简单，只要创建一个自己的code，具体就是create-code-+new notebook就可以然后点击三个小点选择accelerator或者右边notebook option也可以选择注意：要注册验证手机号才能用，在主页头像点进去的个人账号这个地方里面验证，如果还是用不了可以尝试退出登录。

本文专门解决一种特殊情况：在本地和服务器上单独打开都可以显示claude如图所示，但是ssh远程连接后显示不出来，如下图所示。然后再设置一下Proxy。然后重启就可以正常使用。

，避免对旧任务的破坏，也就是不依赖于更新最后一层的权重，而是使用示例样本的特征均值进行分类即使新任务的学习导致表示变化,只要示例样本的特征均值保持一致,分类性能就不会显着下降。

首先我们把pyproject.toml里的pytorch3d注释掉，先安装其他的包。这里第四步会出问题，注意这里的[base]可以替换成你的Jetson型号。3.关闭 pip 构建隔离以复用我们环境里的 setuptools 等。2.关键：ARM 上常要显式启用 CUDA 并指定算力。1.需要克隆 PyTorch3D 源码。

首先我们把pyproject.toml里的pytorch3d注释掉，先安装其他的包。这里第四步会出问题，注意这里的[base]可以替换成你的Jetson型号。3.关闭 pip 构建隔离以复用我们环境里的 setuptools 等。2.关键：ARM 上常要显式启用 CUDA 并指定算力。1.需要克隆 PyTorch3D 源码。

怎么看cursor还能使用多少呢，看了网上不少攻略，下载不少插件发现都没用，原来设置里就有。