基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

“涌现能力：” 是大语言模型最令人兴奋也最核心的特征之一。简单来说，它指的是当模型规模（参数、数据、计算量）超过某个阈值时，模型会突然展现出在小模型中完全不存在、且未被明确训练过的、复杂且高级的能力。 参考文档： www.bilibili.com/video/BV1oj … bilibili.com/video/BV1uGA3eLEeu/?spm_id_from=333.1387.homepage.video_card.click 神经元 隐藏层 神经网络 前向传播 拟合 过拟合 过拟合 ： 在训练数据上表现完美，但在新数据（现实世界）上一塌糊涂 泛化能力 简单来说，泛化能力就是指模型举一反三的能力 编码 孤热编码 词嵌入 点积 相识度 嵌入矩阵 潜空间 www.bilibili.com/video/BV1h3 … 训练集和测试集 核心比喻 ：备考 VS 考试 训练集 —— 平时做的“练习题册” 定义： 训练集是用于 训练 模型的数据样本。模型通过“看”这些数据来学习其中的规律和特征。 特点： 包含答案： 在监督学习中，训练集里的每个样本都 有对应的正确答案（标签） 。就像练习册的每一道题后面都附有答案，学生（模型）做完题可以对照答案，看看自己哪里错了，从而调整解题思路。 目的是学习： 模型的任务就是尽可能好地拟合（记住或理解）这些数据，以便总结出从“问题”到“答案”的映射规律。 相当于： 学生平时用的 课本、习题集、模拟试卷 。他反复做这些题，从中掌握知识点。 测试集 —— 真正的“期末考卷” 定义： 测试集是用于 评估 模型性能的数据样本。这些数据在训练过程中 完全不会 让模型看到，用来检验模型对全新数据的处理能力。 特点： 无答案（对模型来说）： 虽然对于开发者来说，测试集也是有正确答案的（用于评分），但在模型“答题”时，它并不知道答案。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。