更多精彩内容,欢迎继续阅读
1. 从“新建虚拟机”开始,为什么很多人第一步就埋了雷“新建虚拟机”这几个字,看起来就是点一下“下一步”的事,但我在实际接触和帮人排查的过程中发现,恰恰是这个最简单的操作,决定了后面一整条链路是顺风顺水还是连环…
阅读更多 →做智慧养老这个方向,最快让我头皮发麻的不是业务复杂度,而是终端碎片化。项目上线那会儿,护理员手里的主力机还是三四年前的老安卓,楼层值班台配的是OpenHarmony的平板,管理端又有Windows的网页后台,老人房…
阅读更多 →1. 从"养虾"到给AI装上"手":这个项目到底在折腾什么先解释一下标题里的"养虾记录"。这两个字不是水产养殖,是我个人维护的一个记录频道名字,平时喜欢在里头随手记点技术折腾、实验过程和踩坑笔记,像…
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 →