更多精彩内容,欢迎继续阅读
1. 为什么“批量重命名”这件事,90%的人还在用土办法硬拖?你有没有过这种经历:旅行回来,手机里塞了800张照片,全是DCIM/100ANDRO/IMG_20240512_143218.jpg这种名字;孩子幼儿园发来一学期的活动视频…
阅读更多 →1. 项目缘起与整体设计思路机房温湿度监控这件事,说大不大,说小也绝对不小。我最早接触这类需求是在一个朋友的IDC托管机房项目里,当时他们用USB温湿度计加一台老PC做记录,结果夏天一次空调故障,等运维发现的时候&…
阅读更多 →1. 从“会写函数”到“写好函数”:进阶到底在进什么先聊个现象。我带过不少新人,也看过大量项目代码,发现很多人写 Python 写到一定阶段,会卡在一个很微妙的位置:函数能写、能调、能跑,但写出来的代码总有一…
阅读更多 →大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…
阅读更多 →当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:
阅读更多 →📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…
阅读更多 →一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…
阅读更多 →