更多精彩内容,欢迎继续阅读
本文分享了作者从传统CRUD工程师转型为AI应用工程师的5个月心路历程。通过实战先行、深入学习、项目巩固三阶段,结合AI工具辅助,成功掌握AI模型开发、部署与服务化。强调实践导向,推荐利用AI工具提升学习效率,并给出转型建议&…
阅读更多 →云端 GPU 实例在调试、等待输入、等待数据或阶段性任务之间暂停,是很常见的状态。 真正容易判断错的地方,不是“实例现在有没有跑任务”,而是把实例运行状态和计费状态当成了同一个变量。 对于按量实例和已经进入按天、周、月周期的实例&…
阅读更多 →前后双下划线 __xxx__ → 叫 魔术方法(Magic Method / 特殊方法) 像你代码里的 __iter__、__next__,还有平时见到的 __init__、__str__ 都是这一类。 为什么要前后都加双下划线? 这是Python官方约定的特殊命名格式,目的…
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 →