可迁移模型 · TRANSFERABLE MODEL

从参数空间到函数空间——一个范式转换

传统方法在参数空间思考(先验 → 似然 → 后验都在参数上),而GP直接在函数空间思考(先验、似然、后验都是对函数的分布)。这不仅是一个数学技巧——它意味着我们不再需要定义模型的具体架构(多少层、多少神经元),只需要定义函数应该具有什么性质(光滑、周期等)。这种思维转换让模型定义从"怎么构建"变成"想要什么"。
来源

《高斯过程与机器学习》第2章 Background: Probability Theory

可迁移到

需求定义从"列功能清单"转为"描述期望体验";管理从"规定流程"转为"定义原则"。

来自这本书的解读报告

《高斯过程与机器学习》

阅读完整解读报告 →
PRESS YOUR OWN BOOK

找一本想读的书,解读出你自己的洞察

90 秒得到核心模型 · 行动接口 · 失效边界 · 三套 SOP

解读一本书 →