更多精彩内容,欢迎继续阅读
1. 硬盘低级格式化到底在做什么1.1 先厘清概念:低级格式化不是“高级格式化的降级版”很多人第一次听到“低级格式化”这个词,会下意识以为它跟Windows里右键磁盘那个“格式化”是一回事,只是程度更狠一点。实际上两者完全不在一个层面上。Wi…
阅读更多 →1. KVCache-TurboQuant 到底在解决什么问题干大模型推理的朋友应该都有同感:模型参数本身只占显存的一部分,真正把显存“吃干榨净”的,往往是 KVCache。最近我花了一周时间做了一个代号叫202504-KVCache-TurboQuant的项目,目的是把…
阅读更多 →第一次接触JMeter,是因为要验证一个支付回调接口能不能扛住大促高峰的流量。当时网上的教程不算少,但大部分都在教你“点哪里”,没人告诉你“为什么这么点”,结果我照猫画虎跑完一轮压测,报告倒是出来了,却…
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 →