课堂笔记

流匹配模型

DDPM（Denoising Diffusion Probabilistic Models）是一种基于扩散过程的生成模型。它通过逐步向数据中添加噪声来模拟数据的生成过程，然后学习一个逆向过程来去除噪声，从而生成新的数据样本。

流模型的基础概念

大模型的一些应知知识点。

大模型的一些应知知识点。

大模型的预训练（next-token prediction）在形式上可以看作一种行为克隆（Behavioral Cloning, BC）—— 给定输入 x（上下文），最大化正确输出 y 的似然。

贪心算法（Greedy Algorithm）是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是全局最好或最优的算法。贪心算法在某些问题上能够得到最优解，但并不适用于所有问题。

二叉树是数据结构中的重要内容，其操作主要依赖于遍历思想，包括深度优先搜索（DFS）和广度优先搜索（BFS）。本笔记将围绕二叉树的常见问题，按照原理和例题的模式进行组织。