核心定义：交叉熵用于衡量真实概率分布与模型预测分布之间的差异，是多分类任务的核心损失函数。单样本公式：H(y,y^​)=−∑i=1K​yi​log(y^​i​)，其中真实标签 y 为 one-hot 向量，仅正确类别位置为 1。计算逻辑定位真实类别对应的预测概率 y^​。对 y^​ 取负对数作为惩罚：预测越准（y^​→1）惩罚越小，预测越差（y^​→0）惩罚越大。批量公式：L=−N1​∑n=1N​

agent智能体是根据自己感知环境、自己思考、自己行动来完成目标的“程序实体”。和传统程序不一样，它不是死记硬背固定程序，而是根据任务和环境反馈，动态决定下一步做什么。现在的Agent一般用大语言模型来当“大脑”作决策。一个完整的Agent系统由四个部分组成：控制中心：用大模型的推理能力，理解复杂指令；规划：把大任务拆分为一个个小步骤，还可以根据结果反思来调整策略；记忆：结合短期上下文（比如你刚刚

核心定义：交叉熵用于衡量真实概率分布与模型预测分布之间的差异，是多分类任务的核心损失函数。单样本公式：H(y,y^​)=−∑i=1K​yi​log(y^​i​)，其中真实标签 y 为 one-hot 向量，仅正确类别位置为 1。计算逻辑定位真实类别对应的预测概率 y^​。对 y^​ 取负对数作为惩罚：预测越准（y^​→1）惩罚越小，预测越差（y^​→0）惩罚越大。批量公式：L=−N1​∑n=1N​

agent智能体是根据自己感知环境、自己思考、自己行动来完成目标的“程序实体”。和传统程序不一样，它不是死记硬背固定程序，而是根据任务和环境反馈，动态决定下一步做什么。现在的Agent一般用大语言模型来当“大脑”作决策。一个完整的Agent系统由四个部分组成：控制中心：用大模型的推理能力，理解复杂指令；规划：把大任务拆分为一个个小步骤，还可以根据结果反思来调整策略；记忆：结合短期上下文（比如你刚刚

摘要anditscoding andthatatof theandthe full在本报告中，我们介绍了 Gemini 2.X 模型系列：Gemini 2.5 Pro 和 Gemini 2.5 Flash，以及我们早期的 Gemini 2.0 Flash 和 Flash-Lite 模型。Gemini 2.5 Pro 是我们迄今为止能的力最强模型，在前沿编程和推理基准测试中取得了的表现。除了其惊人的

大O就是时间复杂度的量级表示，不表示具体算法消耗了多少时间，而表示的是算法耗时增长趋势、增长速度是怎么样的，因为不同的电脑、语言之间都存在性能的差异，而大O表示就可以有效的避开这些的影响，只专注算法本身的优劣。