更多精彩内容,欢迎继续阅读
脑电采集这件事,很多人第一反应是"门槛高、设备贵、链路复杂"。我最初也是这么想的,直到手上攒了一块 BW16 模组和一块 ESP32-CYD(就是那种带 2.4 寸屏、价格便宜到离谱的开发板),琢磨着能不能把一条从脑电前…
阅读更多 →你有没有过这种体验:复盘会开了两个小时,大家轮流讲了一遍经过,最后主持人问“那接下来怎么办”,会议室安静了十几秒,然后有人打了个哈哈说“以后注意”。三个月后同样的坑,换了个马甲又来一次。我身边很多…
阅读更多 →嵌入式开发这行干久了,你会发现一个问题:大部分时间不是在写代码,而是在查代码为什么没按预期跑。尤其到了Debug阶段,如果你还在靠"加个打印看看""这里改一下试试""重启一下说不定就好了"三板斧&am…
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 →