一、背景 目前NLP主流范式是在大量通用数据上进行预训练语言模型训练，然后再针对特定下游任务进行微调，达到领域适应（迁移学习）的目的。 指令微调是预训练语言模型微调的主流范式 其目的是尽量让下游任务的形式尽量接近预训练任务，从而减少下游任务和预训练任务之间的Gap, 实现预训练语言模型适应下游任务，
LLM微调方法(Efficient-Tuning)六大主流方法：思路讲解&优缺点对比[P-tuning、Lora、Prefix tuing等] 由于LLM参数量都是在亿级以上，少则数十亿，多则数千亿。当我们想在用特定领域的数据微调模型时，如果想要full-tuning所有模型参数，看着是不太实际，一
fuzzy查询：模糊查询，我们输入字符的大概，ES就可以 wildcard 查询：通配查询，和MySQL中的 like 差不多，可以在查询时，在字符串中指定通配符 * 和占位符？ range 查询：范围查询，只针对数值类型，对某一个Field进行大于或小于的范围指定查询 regexp 查询： 正则查询，通过你编写的正则表达式去匹配内容
Trie树，又叫字典树，前缀树(Prefix Tree)，单词查找树，是一种多叉树的结构. {"a","apple","appeal","appear","bee","beef","cat"} 深色表示接受态 关键字集合{"pool", "prize", "prepare", "preview",
博客地址：https://www.cnblogs.com/zylyehuo/ # conda create --prefix='路径' python='版本号' conda create --prefix=G:\anaconda\anaconda3\envs\ml python=3.8
好家伙 npm模块全局安装后无法使用 估计是少配了环境变量 1.使用命令: npm config get prefix 找到全局包的安装位置 2.随后我们右键"我的电脑"打开 "属性" 3.拉到最下打开 找到高级系统设置 4.找到环境变量 5.找到PATH 6.在最后添加前面找到的npm全局包安装地
解决办法： vi Moudel/Setup 找到如下内容 去掉209--212行的注释 再次执行编译 ./configure prefix=/usr/local/python3 文章知识点与官方知识档案匹配，可进一步学习相关知识网络技能树首页概览22965 人正在系统学习中
https://www.cnblogs.com/caoweixiong/p/12334418.html 前言 平时会遇到很多脚本都有参数选项，类似： ./test.sh -f config.conf -v --prefix=/home 这种脚本怎么写呢？ 一、Shell 特殊参数解释 首先来看几个特
