Mooreの小站

（一）向量化基础 向量与矩阵 向量是一维数组，分为行向量（单行）和列向量（单列）。 矩阵是二维数组，由多行多列构成，可通过reshape方法改变形状，通过.T属性转置（行变列 / 列变行）。 向量化定义：将词、文本等非结构化数据转换为多维空间中的向量（点），通过向量距离计算语义相似度（如欧氏距离）。...

一、理论基础：少量样本提示与思维链（COT） 少量样本提示（Few-Shot Prompting） 适用场景：任务复杂且模型缺乏直接样本时，通过提供少量示例引导模型按特定格式回答。 ▶ 例：希望模型按 “项目场景” 生成面试题，需先输入示例（如 “结合 Java 项目经验，设计一道分布式锁的面试题”...

一、上节课内容回顾：大模型概论 （一）大模型核心要素 算法：大模型的技术基础，如 Transformer 架构，决定模型的核心能力。 算力：关键支撑，如英伟达 GPU，推动预训练阶段的发展（2017-2023 年为主要爆发期）。...

一、大模型概述与发展历程 1、定义与核心要素 大模型指参数量达到千亿级以上的 AI 模型，核心要素包括： 算力：训练需大量 GPU/TPU，例如 GPT-3 训练用了 2048 张 V100 显卡，耗时 55 天，成本超千万。 数据：万亿级 Token（文本单元），来源包括开...