核心结论：。

熵是信息论中的核心概念，由香农（Shannon）提出，用于衡量一个随机变量取值的不确定性程度。简单来说，熵值越高，随机变量的不确定性就越大；熵值越低，不确定性就越小。当随机变量的取值确定无疑时（比如必然发生的事件），熵值为0；当随机变量所有取值的概率均等时，熵值达到最大。对于离散型随机变量X，其可能的取值为x₁, x₂, …, xₙ，对应的概率分布为P(X=xᵢ) = pᵢ（其中i=1,2,…

自回归模型是基于历史信息逐元素生成序列的模型，核心特点是时序依赖和串行生成。GPT是典型的自回归模型，采用Transformer解码器架构，通过掩码自注意力机制确保生成每个token时仅依赖前面内容。与非自回归模型相比，GPT生成更连贯但速度较慢。这种设计使GPT能生成逻辑清晰的长文本，成为优秀对话和创作模型的基础。

_call__语法：最常用，调用方式简洁直观，适用于单个输入的情况。invoke方法：和直接调用链对象功能类似，在某些场景下可能更具灵活性。apply方法：用于批量处理多个输入，能提高处理效率。

下载的是模型仓库的完整原始文件集（包含所有格式、分片和冗余内容），而仅加载必要的、经过优化处理的文件（如适配精度、合并分片），因此前者的文件总大小会显著大于后者。如果需要控制下载大小，可以在中指定精度参数（如），或通过手动筛选所需文件（如仅下载特定分片和配置文件）。

为了了解，funcationCall底层，手写一个functionCall多方法，并调用，体验。2.让大模型自动识别用户问题，解释参数，获取调用方法id、方法名称、方法参数。3.把第二步的结果，给大模型，让大模型调用函数，并返回结果。任务：让openai调用sum方法，对加法进行求和。1.定义sum方法，给openAi接口。

_call__语法：最常用，调用方式简洁直观，适用于单个输入的情况。invoke方法：和直接调用链对象功能类似，在某些场景下可能更具灵活性。apply方法：用于批量处理多个输入，能提高处理效率。

程序运行后，需要做资源清理，删除目录、关闭数据库连接等，本文学习kafka，顶级大师的代码，看看怎样把本领学到手。在main方法中增加Runtime.getRuntime().addShutdownHook(new Thread()） 来实现资源的清理

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言1. 合并小文件二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习

系列文章目录实践数据湖iceberg 第一课 入门实践数据湖iceberg 第二课 iceberg基于hadoop的底层数据格式实践数据湖iceberg 第三课 在sqlclient中，以sql方式从kafka读数据到iceberg实践数据湖iceberg 第四课 在sqlclient中，以sql方式从kafka读数据到iceberg（升级版本到flink1.12.7）实践数据湖iceberg 第