更多精彩内容,欢迎继续阅读
1. 先把题面读透:这到底是个什么模型1.1 题目在讲一件什么事“复制书稿”在《信息学奥赛一本通》里是第 1278 号,标着“例9.22”,洛谷上对应编号 P1281,名字叫“书的复制”。两个 OJ 的题面几乎是同一份:先给两个整数 …
阅读更多 →1. 这不是“跑个模型”那么简单:昇腾910B上跑DeepSeek多机推理,本质是重构一套通信-计算-调度的协同系统 你搜“昇腾910B 怎么跑 DeepSeek”,看到的大多是单卡部署教程,或者一句轻飘飘的“用MindIE加载模型就行”。但标题里那个醒…
阅读更多 →1. 这道"复制书稿"到底在考什么1.1 先把题目场景翻译成人话很多同学第一次看到"复制书稿"这个标题,脑子里想的是打字员坐在办公室里抄稿子的画面,实际上这道题的本质是一道披着故事外衣的区间划分 最优化问题。把题目翻译成人话就是…
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 →