Zishan Shu's blog

在我们开始考虑如何用模型拟合（fit）数据之前，我们需要确定一个拟合程度的度量。损失函数（loss function）能够量化目标的实际值与预测值之间的差距。解析解：能用公式表达出来的解（对问题的限制很严格）即使在我们无法得到解析解的情况下，我们仍然可以有效地训练模型。在许多任务上，那些难以优化的模型效果要更好。因此，弄清楚如何训练这些难以优化的模型是非常重要的。

Mamba技术背景详解，希望能给你提供帮助！

写在前面···作为半个曾经的NLPer，我一直很想从原理，从Transformer开始然后从GPT1-4然后RLHF介绍ChatGPT。但是就是在实验室听了来自人大高瓴的赵鑫老师的分享之后，感觉老师是从一个很宏观很大的一个角度去思考ChatGPT，可能对技术了如指掌的人才可能跳出技术去往大方面想，而像我这种对技术不了解的人满眼都是技术实现细节，有点一叶障目不见泰山的感觉。听了赵老师的分享后收获颇丰，打算记录下来也给大家分享一下，希望能给大家带来一些启发。转侵删。

先学C++资源库。

两种简单的定义常量的方式：使用#define预处理器。使用const关键字。

因为我学c++是为了刷算法题的，然后可能会用在线ide所以就跳过环境配置啦！

王木头老师的概率、统计、信息论课程知识整理笔记；课程链接：https://www.bilibili.com/video/BV1vv4y1B714/?buvid=XY59A4353C6C047DC92698A0C0CAD8E3DE68C&is_story_h5=false&mid=SyYHtHRRJ0IEuWSbNvMuiQ%3D%3D&p=1&share_from=ugc&share_medium=android&share_plat=android&share_session_id=6f0c6606