要理解指令微调（Instruction Tuning），需要先将其置于大语言模型（LLM）的训练框架中 —— 它并非模型训练的起点，而是针对 “让模型更懂人类需求” 的关键优化步骤。简单来说，指令微调是通过让模型学习 “指令 - 响应” 配对数据，将原本擅长 “预测下一个词” 的基础模型，升级为能精准理解人类指令、输出符合预期结果的 “实用型模型” 的过程。

2025算法八股——大模型开发——指令微调-CSDN博客

2025算法八股——大模型开发——Agent相关-CSDN博客

非凸、非连续：0/1 损失在y⋅f(x)=0处突变（从 0 跳到 1），函数图像是 “阶跃状”，没有连续的梯度。这导致无法用梯度下降等主流优化算法求解（需要损失函数连续可导或至少存在次梯度）。
只关注 “是否正确”，不关注 “正确的程度”：例如，一个样本被模型预测为y⋅f(x)=100（非常确信的正确），与y⋅f(x)=0.1（勉强正确），在 0/1 损失下都算 “损失为 0”，但前者显然是更优的预测结果。0/1 损失无法区分这种 “置信度差异”，不利于模型学习 “更稳健的分类边界”。

2025算法八股——机器学习——SVM损失函数-CSDN博客

2025算法八股——深度学习——优化器小结-CSDN博客

Python 允许 bar(2)(3) 这种调用方式，这是因为 bar() 函数返回的是另一个函数（foo），所以可以直接在返回值后继续添加括号调用该函数。

这种模式称为 “函数闭包”（closure），即内部函数 foo 可以访问外部函数 bar 中定义的变量（multiple），即使在 bar 函数执行完毕后，这个变量依然会被保留。这使得我们可以创建具有 “记忆” 能力的函数，在实际开发中常用于实现装饰器、工厂函数等场景。

搞清楚c就都搞清楚了

官方解析：

考察：赋值、深拷贝、浅拷贝

1.对象的赋值

都是进行对象引用（内存地址）传递，即‘’ b is a‘’ ，a 变 b 也变

2.浅拷贝

会创建一个新的对象,即 “c is not a” ，但是，对于对象中的元素，浅拷贝就只会使用原始元素的引用（内存地址），也就是说

”c[i] is a[i]”

当我们使用下面的操作的时候，会产生浅拷贝的效果：

使用切片
[:]操作
使用工厂函数（如list/dir/set）
使用copy模块中的copy()函数

3.深拷贝

会创建一个新的对象，即”d is not a” ，并且对于对象中的元素，深拷贝都会重新生成一份（有特殊情况），而不是简单的使用原始元素的引用（内存地址）

拷贝的特殊情况

其实，对于拷贝有一些特殊情况：

对于非容器类型（如数字、字符串、和其他’原子’类型的对象）没有拷贝这一说

如果元祖变量只包含原子类型对象，则不能深拷贝

知识点：Python

在 Python 中，append 和 extend 都是列表（list）的常用方法，但它们的功能不同，并非严格意义上的 “相对” 关系，而是用于不同场景的列表扩展操作：

append(item)：将 item 作为单个元素添加到列表末尾。
例如：[1,2].append([3,4]) 结果为 [1,2,[3,4]]（把列表 [3,4] 当作一个整体元素添加）。
extend(iterable)：将 iterable（可迭代对象，如列表、元组等）中的每个元素逐个添加到列表末尾。
例如：[1,2].extend([3,4]) 结果为 [1,2,3,4]（把 [3,4] 中的元素拆分后添加）。