更多精彩内容,欢迎继续阅读
1. 从“捡烟蒂”到“喝咖啡”:为什么老格后来改了打法先聊一个很多刚接触格雷厄姆的朋友容易忽略的事实:大众印象里,格雷厄姆永远跟“捡烟蒂”绑在一起——找那种股价远低于净流动资产、甚至低于账面现金的公司,买一堆然后等估值修…
阅读更多 →1. 循环的本质:先搞明白这3个问题再动手写Python写了这么多年,我见过太多新手在循环上栽跟头。其实循环本身并不难,难的是很多人没想清楚“为什么需要循环”“什么时候用哪种循环”“循环怎么停下来”这三个问题就埋头写代码,结果…
阅读更多 →1. 被神化的"AI大神私藏技能"到底是什么刷到"AI大神博主们私藏的skill"这类标题,很多人第一反应是:是不是有什么隐藏指令、内部工具、或者某个不对外公开的模型入口?我一开始也这么想,甚至花了不少时间去扒各…
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 →