更多精彩内容,欢迎继续阅读
做Agent开发这几年,我最大的一个感受是:模型决定了Agent的下限,技能(agent-skills)决定了Agent的上限。同样的基座模型,有人做出来的Agent只会陪聊,有人做出来的Agent却能在后台自动跑数据报表、…
阅读更多 →1. 为什么我开始做 agent-skills:智能体最容易被低估的一块拼图先说个我自己的经历。大概在几个月前,我在折腾一个能自动整理会议纪、跟进待办事项的个人助理型 Agent,刚开始所有逻辑都堆在 System Prompt 里:定义角色、给示例、描…
阅读更多 →小黄车怎么收费背后的源码逻辑与高频面试题拆解 刚入行时,我盯着 Python 语法看了三周,觉得 for 循环和 class 定义都滚瓜烂熟。结果第一个项目写出来,服务器一跑就崩,日志全是 KeyError 和 TimeoutError…
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 →