更多精彩内容,欢迎继续阅读
1. 大模型训练原理:从“死记硬背”到“揣测意图”的底层逻辑很多人第一次接触大模型,脑子里冒出来的问题都差不多:它到底是怎么“学会”说话的?为什么有时候像背书,有时候又像真的懂我在问什么?我刚开始折腾…
阅读更多 →最近翻旧项目资料,看到一堆标注"API 发文测试 - 请忽略(稍后删除)"的临时脚本。这种文件大家都不陌生,测完就忘,一放就是大半年。反倒是这些"测试"留下的报错记录,成了我后来排查问题最…
阅读更多 →1. 一个月从零到四个项目:我为什么选择AI编程这条路先说结论:我没有任何编程基础,一个月时间,用AI编程工具做了四个能跑起来的小项目,最后把过程中反复踩的坑,做成了一套叫“项目纪律系统”的agent工作流。…
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 →