严文文 Chris

是用户输入给AI模型（如ChatGPT、GPT-4等）的指令或问题，用于引导模型生成符合预期的回答。它的质量直接影响AI的输出效果。：多测试不同Prompt，观察AI的输出差异，逐步迭代优化！

步骤描述1️⃣将输入文本切分成 token2️⃣利用 Transformer 理解上下文3️⃣预测下一个 token（词）4️⃣重复预测，直到生成完成🎲通过 sampling 策略控制风格和多样性。

大模型（如 GPT、BERT 等）训练一般可以分为以下，每个阶段都承担着不同的职责，共同推动模型从“语言新手”成长为“多任务专家”。

算法（f(n)=g(n)+h(n)）、贪心最佳优先、加权A。第一章 人工智能概述与思想基础。第三章 对抗环境下的博弈与决策。第五章 约束满足问题（CSP）第七章 不确定知识与概率推理。第二章 问题求解与搜索基础。蒙特卡洛树搜索（MCTS）第四章 知识表示与逻辑推理。第九章 深度学习与前沿进展。随机博弈与部分可观测博弈。第六章 规划与自动推理。分层任务网络（HTN）第八章 机器学习基础。

如果需要某个领域的细分技术（如目标检测中的YOLO原理，或GPT的训练细节），可进一步探讨！让机器“看懂”图像和视频，理解视觉世界的语义信息。让机器理解、生成和处理人类语言（文本/语音）。让机器创造新内容（文本、图像、音频、视频等）。

DL是ML的子集，但两者在方法论和适用性上差异显著。传统方法: 决策树/SVM。

不同分支常交叉使用，例如自动驾驶融合了。

符号主义和连接主义是人工智能的两大核心范式，它们在知识表示、学习方式和应用场景上存在根本性差异。为了结合两者的优势，当前研究趋势是。

人工智能（AI）的发展经历了多个阶段，从早期的符号推理到现代的深度学习和大模型。：大数据 + GPU 计算 + 深度学习，AI 进入实用化阶段。AI 的发展仍在加速，未来十年可能迎来更颠覆性的变革。：基于规则和专家系统，但受限于计算能力和知识表示。：计算能力不足、数据匮乏，AI 研究资金减少。：以逻辑推理为主，依赖数学和符号计算。