更多精彩内容,欢迎继续阅读
1. 为什么训练监控这件事值得单独拿出来聊搞深度学习训练的人都有一个共识:模型跑起来只是第一步,真正折磨人的是跑起来之后你根本不知道它到底在干什么。Loss 曲线是平稳下降还是在震荡?学习率是不是到了该衰减的时候?梯度有没有…
阅读更多 →1. 从零认识 Substrate:它到底是什么,能解决什么问题第一次听到 Substrate 这个词,很多人会以为是某个前端框架或者构建工具,毕竟名字听起来就很“底层”。但如果你接触过区块链开发,尤其是需要自己搭一条链的场景&…
阅读更多 →1. 这不是“调参游戏”,而是一次中文对话能力的精准手术你手头有一台刚组装好的7B级大模型,它能背《论语》、会写Python、甚至能分析财报——但一聊起“上海地铁早高峰怎么避开3号线换乘”或者“我妈总说‘你这孩子怎么不听劝’,我该怎么回”…
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 →