随着ChatGPT的火爆，Prompts概念开始被大家所熟知。早期类似如BERT模型的微调都是通过有监督学习的方式进行。但是随着模型越来越大，冻结大部分参数，根据下游任务做微调对模型的影响越来越小。大家开始发现，让下游任务适应预训练模型的训练结果有更好的性能。而ChatGPT的火爆让大家知道，虽然ChatGPT的能力很强，但是需要很好的提问方式才能让它为你所服务。
Java爬虫入门简介（四）——HttpClient保存使用Cookie登录
回归模型中的交互项简介（Interactions in Regression）
使用Jupyter Notebook编程与python脚本编程的差异
Unifying Language Learning Paradigms——谷歌的一个模型打天下
并行计算中如何提高处理效率——来自Dask的提示
最新好课！从深度学习到stable diffusion的手把手入门教程
用python绘制散点图
深度学习卷积操作的维度计算（PyTorch/Tensorflow等框架中Conv1d、Conv2d和Conv3d介绍）
C/C++源代码是如何被最终执行的？
最新发布！基于推文（tweet）训练的NLP的Python库TweetNLP发布了！
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
贝塔分布（Beta Distribution）简介及其应用
矩母函数简介（Moment-generating function）
使用R语言进行K-means聚类并分析结果
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
Wishart分布简介
深度学习技巧之Early Stopping（早停法）
stata 用outreg2输出回归结果