更多精彩内容,欢迎继续阅读
实习第一天,带我的同事丢给我一台机器,说“先熟悉一下 Docker,把测试环境搭起来”。当时我连 Docker 和虚拟机的区别都说不清,硬着头皮装环境,光是 Docker Desktop 就折腾了一下午。后来泡在文档、社区帖子和一次次“删…
阅读更多 →1. 取到"真实IP",为什么比想象中难这么多做Web安全或者SRC漏洞挖掘,无论你是打绕过、查日志、做风控还是排查攻击来源,第一步几乎都绕不开"拿到客户端真实IP"。但就是这个最基础的步骤,实际做起来远比想象中麻…
阅读更多 →做了这么多年后端和运维,我越来越觉得Nginx容器化是绕不开的一项基础技能。不管你是用docker run直接拉一个nginx镜像来跑静态站点,还是用docker-compose把它编排到微服务集群里做统一入口,容器里的Nginx和传统裸机上的Nginx在配置细节、排障…
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 →