OSMVC-TP是一种基于过渡概率的多视角聚类方法，通过学习锚点和样本的过渡概率得到软标签矩阵，提高了聚类的可解释性。应用约束保持了不同视角间标签的一致性，有效利用了互补信息。实验证实了OSMVC-TP的有效性和稳健性。

本文介绍了一个带有两个标记0/1和上下文长度为3的小型GPT，将其视为有限状态马尔可夫链。在序列“111101111011110”上训练了50次迭代，通过修改Transformer的参数和架构，可以看到不同状态之间的过渡概率。