任务依旧是文本分类，大模型选用的是通义千问72B-chat-int4。这里不对参数进行调整，只讲述不同prompt对于结果及其准确度的影响。数据使用之前数据清理的铁矿石文本。写的非常零碎，只作为个人学习记录，因为服务器莫名掉线，一晚上程序白写，文章后期就摆烂了....仅供参考。

本期的任务是对层级多标签文本分类问题的评价方法进行研究，并完成相应的程序。最开始以为是一个相当简单的问题，但稍微深入了解了一下，发现是个很有趣的问题。这篇文章整体写得有点乱，想要快速了解可以直接跳到4开始看。层级多标签文本分类问题，英文为Hierarchical-Multilabel-Text-Classification，简称hmtc，但因为并没有一个统一的中文翻译，也有不少人称其为层次多标签文

GraphRAG的本质是调用LLM生成知识图谱，然后在回答问题时检索相关内容输到prompt里，作为补充知识来辅助回答。那么有没有可能将这运用到层级多标签文本分类（HMTC)任务中呢？当然，乍一听有一点天方夜谭，因为GraphRAG的提出是为了解决QFS这样的全局问题，这和HMTC任务理应毫无关系。不过我们先思考解决实际的HMTC问题，并且不使用传统算法，而是使用LLM进行分类回答。

Denoising Diffusion Probabilistic Models 的工作原理就像是观看一部冰雕融化的录像，然后学习如何倒着播放这部录像来魔法般地重建冰雕。正向过程 (融化)：这很简单，就是一部正常的录像。你从一座精美绝伦的冰雕开始，随着时间流逝，它会逐渐融化，失去细节、棱角变得圆润，最后完全化成一滩水。这个过程遵循物理规律，是固定的、不可逆的。反向过程 (重建)：这是魔法发生的地方

生成式人工智能，或称生成式AI，英文是Generative Artificial Intelligence，缩写为GenAI或者GAI，是一种人工智能系统，能够产生文字、图像或其他媒体以回应提示工程（prompt），比如ChatGPT（Generative Pre-trained Transformer）。没错，生成式人工智能实际上对应的英文缩写应该是GAI。那么我们常听到的AIGC又是什么呢？

生成式人工智能，或称生成式AI，英文是Generative Artificial Intelligence，缩写为GenAI或者GAI，是一种人工智能系统，能够产生文字、图像或其他媒体以回应提示工程（prompt），比如ChatGPT（Generative Pre-trained Transformer）。没错，生成式人工智能实际上对应的英文缩写应该是GAI。那么我们常听到的AIGC又是什么呢？

Denoising Diffusion Probabilistic Models 的工作原理就像是观看一部冰雕融化的录像，然后学习如何倒着播放这部录像来魔法般地重建冰雕。正向过程 (融化)：这很简单，就是一部正常的录像。你从一座精美绝伦的冰雕开始，随着时间流逝，它会逐渐融化，失去细节、棱角变得圆润，最后完全化成一滩水。这个过程遵循物理规律，是固定的、不可逆的。反向过程 (重建)：这是魔法发生的地方

任务依旧是文本分类，大模型选用的是通义千问72B-chat-int4。这里不对参数进行调整，只讲述不同prompt对于结果及其准确度的影响。数据使用之前数据清理的铁矿石文本。写的非常零碎，只作为个人学习记录，因为服务器莫名掉线，一晚上程序白写，文章后期就摆烂了....仅供参考。

Denoising Diffusion Probabilistic Models 的工作原理就像是观看一部冰雕融化的录像，然后学习如何倒着播放这部录像来魔法般地重建冰雕。正向过程 (融化)：这很简单，就是一部正常的录像。你从一座精美绝伦的冰雕开始，随着时间流逝，它会逐渐融化，失去细节、棱角变得圆润，最后完全化成一滩水。这个过程遵循物理规律，是固定的、不可逆的。反向过程 (重建)：这是魔法发生的地方