disanda的专栏

这里的相关概念都是基于已有预训练模型，就是模型本身已经训练好，有一定泛化能力。需要“再加工”满足别的任务需求。当下GPT语言模型逐步流行，对模型的Fine-tuning也将成为趋势，借此机会，我来分析下相关概念。

通过数据看学习的范式

1.矩阵属性Covariance matrix (协方差矩阵）Toeplitz matrix (托普利兹)diagonal-constant matrix, 即对角线元素相同2.矩阵方法Gram–Schmidt process正交分解，即已知An×nA_{n \times n}An×n​中的a个正交向量，求另外n-a个正交向量。 主要用到的公式是proju(v)=<u,v><u,u>v proj_u (v) = \frac{<u,v>}{<u,u&gt

benchmark & baselinebenchmark ，是基准的意思。而baseline是基准线的意思，两者有类似的成分，看一下英文解释：a baseline is a measurement or state at a point in time这里关键词是 state 和 a point in timea benchmark is a measurement if ...