更多精彩内容,欢迎继续阅读
去年年初有个做跨端产品的朋友问我:现在从 Android 转鸿蒙,还来得及吗?我的回答是,鸿蒙系统开发不是一门孤立的新语言课,而是一整套横跨手机 APP、平板、PC 桌面端甚至物联网设备的工程方法。恰好我这几年一直泡在跨端…
阅读更多 →1. 一台8年老机器的"体检"缘起手里这台笔记本是2016年入手的,i5-6200U、8GB DDR3L、机械硬盘换过一次SATA固态,系统从出厂自带的Windows 8.1一路升到Windows 10 22H2。前阵子它开始出现一些很典型的"老年病":开机后要等两…
阅读更多 →1. “无中生有”凭什么成立:AI参与文档生产的逻辑拆解先聊一个我经常被同行问到的问题:产品还在开发中,界面三天两头改,需求都没冻结,领导却要求同步输出软件使用指南,这活儿怎么干?放到一两年前…
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 →