1. 代数与矩阵运算1.1 向量范数与矩阵范数1.1.1 向量范数1.1.2 矩阵范数 向量范数 与 矩阵范数 相容 ： $||Ax|| \leq ||A|| ||x||$ 如：矩阵范数$m_1$与向量范数$l_1$相容 ； 矩阵范数$m_2$与向量范数$l_2$相容 对于一个向量范数，一定能找到一个与之相容的矩阵范数： $||A|| = \underset{||x||=1

1. JAVA概述JAVA语言的特点 跨平台性：java源程序被编译后生成的二进制字节码与平台无关，但能被JVM识别。java解释器得到字节码后，对其进行转化，使之能在不同的平台上运行。 面向对象：面向对象技术使得应用程序开发变得简单应用，节省代码 安全性：java数据结构是完整的对象，这些封装过的数据类型具有安全性； 编译时要进行java语言和语义的检查 多线程 简单性 解释执行 分布性 程

1. 前置知识给模型注入新知识分两种方式： 改变模型权重 给模型注入格外的上下文或者说外部信息，不改变它的的权重。 对比两种注入知识方式，第二种更容易实现。RAG 正是这种方式。它能够让基础模型实现非参数知识更新，无需训练就可以掌握新领域的知识。 LlamaIndex 是一个上下文增强的 LLM 框架，旨在通过将其与特定上下文数据集集成，增强大型语言模型（LLMs）的能力。它允许您构建应用程序

1. 书生产品矩阵1.1 书生·浦语· 对话 进入 书生浦语: 可进行对话 · 调用API API文档 提供了 API URL, API Auth，调用示例，请求参数、返回参数说明 API Tokens 调用浦语 API 时需要在请求 Header 内传入 Authorization Tokens 参数用于用户身份验证。我们需要在 API Tokens 模块内创建此 API Tokens 。

Model I/O模型的使用过程：输入提示 + 调用模型 + 输出解析 （Model I/O） 1. 提示模板具体原则： 给予模型清晰明确的指示 让模型慢慢地思考 提示模板的生成： 12345678910# 导入LangChain中的提示模板from langchain.prompts import PromptTemplate# 创建原始模板template =

1. 基本概念Web开发： Web：网页的意思 分类： 静态Web：如html css，提供给所有人看的数据始终不变 动态Web：提供给所有人看的数据都不一样，如Servlet/ISP,ASP,PHP。 JAVA中，动态web资源开发的技术统称为javaweb 1.2 Web应用程序Web应用程序：可以提供浏览器访问的程序 a.html， b.html 等多个web资源，这些w

书生大模型InternLM 主要由上海人工智能实验室开发。通过不断开源高质量的 LLM 以及用于开发和应用的全栈工具链。 模型：InternLM（多语言基础的聊天模型）、InternLM-Math（双语数学模型）、InternLM-XComposer（视觉语言大模型） 工具链：InternEvo（预训练和微调的轻量级框架）、XTuner（高效微调LLM工具包）、LMDeploy（压缩、部署、提供L

一、单元测试1.1 介绍单元测试：针对最小的功能单元，编写测试代码对其进行正确性测试。 为了测试更加方便，有一些第三方的公司或者组织提供了很好用的测试框架，给开发者使用。Junit是第三方公司开源出来的，用于对代码进行单元测试的工具（IDEA已经集成了junit框架）。相比于在main方法中测试有如下几个优点。 能灵活的编写测试代码，可以针对某个方法执行测试，也支持一键完成对全部方法的自动化测试

何为LangChain?LangChain：专为开发基于语言模型的应用而设计的框架，通过LangChain，不仅可以通过API调用如ChatGPT、GPT-4、Llama2等大语言模型，还可以实现更高级功能。 LangChain是一个基于大语言模型（LLMs）用于构建端到端语言模型应用的框架，它可以让开发者使用语言模型来实现各种复杂的任务，例如文本到图像的生成、文档问答、聊天机器人等。LangC

任务：利用对提示词的精确设计，引导语言模型正确回答出“strawberry”中有几个字母“r”。 1. 提示词工程1.1 提示词PromptPrompt： 指导以LLM为代表的生成式人工智能生成文本内容的输入方式。它通常是一个简短的文本或问题，用于描述任务和要求。 1.2 提示词工程提示词工程：通过设计和调整输入来改善模型性能或控制输出结果的技术。在模型回复的过程中，首先获取用户输入的文本，然后处