训练营 字节 模型 能力
day13 代码随想录算法训练营 347. 前 K 个高频元素 【待梳理】
题目：347. 前 K 个高频元素 我的感悟： 我用hash再排序。 卡尔用的小顶堆。 `heapq`是Python中的一个模块，它提供了堆队列（也称优先队列或者堆）的算法实现。在计算机科学中，堆是一种特殊的完全二叉树数据结构，其中每个父节点的值都小于或等于其子节点的值（在最小堆中）或者父节点的值都 ......
什么是大语言模型的“幻觉”
使用ChatGPT的朋友应该遇到过这样的情况，模型有时候会答非所问甚至自相矛盾，这种情况被成为大语言模型的“幻觉”，即在处理和生成文本时出现的一些特定的错误或误解。这些幻觉可能源于模型对现实世界的理解不足、数据训练的偏差、或者算法本身的局限性。 出现幻觉的原因有几个方面： 1、数据训练偏差 LLM通 ......
day13 代码随想录算法训练营 239. 滑动窗口最大值
题目：239. 滑动窗口最大值 我的感悟： 来难度了，有点意思， 理解难点： 需要实现自定义队列， 看了国外的解题思路和其他的回答，感觉还是卡尔的思路，更有意思。 实现队列： pop只弹出左边边界且左边界为最大值的时候 push 要维护队列里的大到小的单调性。把队尾小的都卷走 front查询最大值 ......
多模态大模型少样本自适应综述
前言 在医学成像和遥感等一些细粒度领域，多模态基础模型的性能往往不尽人意。因此，许多研究者开始探索这些模型的少样本适应方法，逐渐衍生出三种主要技术途径：1）基于提示的方法；2）基于适配器的方法；3）基于外部知识的方法。尽管如此，这一迅速发展的领域产生了大量结果，但尚无全面的综述来系统地整理研究进展。 ......
大模型RAG之向量检索技术-结合LSTM模型编码
本文将介绍两种编码方式，一种直接采用bert进行编码query与待匹配数据；另一种将待匹配数据构造成key-value的形式，key表示从每个待匹配数据的概念或者抽象描述，value是对应的待匹配数据，将query和key进行编码，lstm从过query查询到key之后，就可以获取对应的value ......
PV视角之3D检测模型Sparse4D系列
在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。比较早期的感知架构中，通常采用后融合的范式，即先获得每个摄像头的感知结果，再进行结果层面的融合。后融合范式主要的问题在于难以处理跨摄像头的目标（如大卡车），同时后处理的负担也比较大。而目前更加主流的感知架构则是 ......
什么是大模型RAG?RAG与funtionCalling的区别是什么？
大模型的RAG（Retrieval-Augmented Generation）与Function Calling都是用于增强大型语言模型（如GPT）的技术，但它们的工作原理和应用场景有所不同。 Retrieval-Augmented Generation (RAG): 原理：RAG结合了信息检索和文 ......
模型类序列化器
1 原来用的Serilizer跟表模型没有直接联系， 模型类序列化器ModelSerilizer，跟表模型有对应关系 2 使用 class BookModelSerializer(serializers.ModelSerializer): class Meta: model=表模型 # 跟哪个表模型 ......
【略读论文|大模型相关】Zero-Shot Relational Learning on Temporal Knowledge Graphs with Large Language Models
时间：2023 学校：慕尼黑大学 创新点： 1.据我们所知，这是第一个试图在TKGF背景下研究零射击关系学习的工作。 2.我们设计了一种基于llm的方法zrLLM，并设法在零射击关系推理中增强各种基于嵌入的TKGF模型。 3.实验结果表明，zrLLM有助于大大提高所有考虑的TKGF模型对包含未见零射 ......
星型模型&雪花模型
数据集市（Data Mart）也有称ADS（Application Data Store），数据集市将主题层和基础层的数据按照各业务的实际需求进行聚合，形成宽表或数据立方体（Cube），可直接供业务部门和数据分析团队使用。 数据集市中主要存在的是事实表（fact）和维度表（dimension）。 事 ......
R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数|附代码数据
全文链接：http://tecdat.cn/?p=31023 最近我们被客户要求撰写关于GARCH族模型的研究报告，包括一些图形和统计输出。 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题 （ 点击文末“阅读原文”获取完整代码数据******** ）。 VaR方法作为当 ......
复健训练3
ARC168 最极限的一次！ 101min过C，118min50s过D！！ 别说，这个C题确实反常规，看了半天dp，但深入分析什么串是合法的就会发现 \(S\) 的顺序是不会影响答案的，那么这就变成了一个计数题。 D 总感觉在哪见过，但不记得了.... E 是极好的wps二分题，link ARC16 ......
代码随想录算法训练营第二十七天 | 39. 组合总和，40.组合总和II，131.分割回文串
一、39. 组合总和 题目链接： LeetCode 39. 组合总和 学习前： 思路： 无 学习后： 思路： 需要额外定义的成员变量： private List<List<Integer>> res; private List<Integer> list; 调用函数： List<List<Integ ......
使用Spring AI让你的Spring Boot应用快速拥有生成式AI能力
之前分享了关于Spring新项目Spring AI的介绍视频。视频里演示了关于使用Spring AI将Open AI的能力整合到Spring应用中的操作，但有不少读者提到是否有博客形式的学习内容。所以，本文就将具体介绍如何使用 Spring AI 快速让您的Spring应用拥有生成式AI的强大能力。 ......
六边形战士与六边形架构：强大能力的双重赋能
在技术和体育的领域中，有时候我们会发现一些独特的形容词和比喻，它们能够生动地传达出一种强大、高效、灵活的感觉。今天，我们将聚焦在两个看似截然不同的领域，即运动员和软件架构，通过“六边形战士”和“微服务架构”这两个独特的形容词，探讨它们在各自领域的表现和如何共同构建强大的能力。 六边形战士：力量与灵活 ......
AI_NLP以及SAM的理解-分割模型
机器学习 一般机器学习分为有监督学习，无监督学习和强化学习 无监督学习 Unsupervised Learning Self-Supervised Learning，又称为自监督学习 -Self-Supervised Learning 的核心思想 Masked Autoencoders Are Sc ......
沟通 | 怎么提高说话的瞬时反应能力（三）
知识点1：《慢思考》中提到人有三套脑系统，分别时反射脑、思考脑和存储脑。 反射脑：感官对于世界的真实的无意识的最快速反应 思考脑：通过对事物联系的逻辑思考，得出结论，做出预判等 存储脑：对信息的筛选，分类，存储。 1.为什么会反应慢 开始找出的原因是：碰到问题时用思考脑来进行逻辑思考，试图严谨的 ......
用一张图片测试几个大模型的看图理解，文心一言表现不佳，通义千问了解最到位！
样图如下： 用上面的图片，在几个主流的AI大模型中进行识别理解，最终的理解各有不同。 不过最让我意外的是 文心一言 居然理解的最不到位！ 下图是文心一言的看图理解： 下图是通义千问的看图理解： 下图是讯飞星火的看图理解： 大家觉得哪一个理解的最到位？？？？？ ......
day11 代码随想录算法训练营 150. 逆波兰表达式求值
题目：150. 逆波兰表达式求值 我的感悟： 注意int（a/b）是0向截断 比如 -2.3 会得到-2; 比如3.6 会得到3 a//b是向下取整，比如是-2.3 会得到-3；比如3.6 会得到3 主要是负数不同 理解难点： 0向取整注意 注意先弹出的是右边的，（想象二叉树的结构。先弹出的是右边节 ......
使用docker搭建deepspeed多机多卡分布式微调大模型环境
前置环境：两台可以互通的centos服务器（服务器1、服务器2），docker，NVIDIA驱动 docker创建overlay共享网络 1）选用服务器1作为manage节点进行初始化，执行docker swarm init Swarm initialized: current node (ly4d ......
公共仓库元模型(CWM)（转）
转自：https://www.jianshu.com/p/21207b50084a 一、什么是CWM？ 在我们学习一个新东西时，首先得弄懂明白它是用来干什么的？然后通过实例与理论交错学习，CWM——Common Warehouse Metamodel, 很明显翻译过来时公共仓库元模型，CWM的提出主 ......
Atlas关系型数据库元数据模型
[ { "category": "ENTITY", "guid": "00b4a314-1185-4cd4-84e9-20275990d58d", "createdBy": "hadoop", "updatedBy": "hadoop", "createTime": 1615973091411, " ......
day11 代码随想录算法训练营 1047. 删除字符串中的所有相邻重复项
题目：1047. 删除字符串中的所有相邻重复项 我的感悟： 做过的题，还是有印象的。 本身也不难，独立写出来了。 理解难点： 代码难点： 代码示例： class Solution: def removeDuplicates(self, s: str) -> str: stack = [] for i ......
day11 代码随想录算法训练营 20. 有效的括号
题目：20. 有效的括号 我的感悟： 脑回路清奇 理解难点： 遇到左括号存对应的右括号 3中情况， 1.左括号多了 2.右括号多了 3.左右括号不匹配 剪枝：奇数可以直接剪枝 注意为空的判断，防止报错 代码难点： 存3种情况 23情况要返回False 其他直接pop 最后判断stack栈为不为空，来 ......
使用知识图谱提高RAG的能力，减少大模型幻觉
在使用大型语言模型(llm)时，幻觉是一个常见的问题。LLM生成流畅连贯的文本，但往往生成不准确或不一致的信息。防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源，如数据库或知识图谱。 向量数据库和知识图谱 向量数据库 向量数据库是表示实体或概念(如单词、短语或文档)的高维向量的集合。数据 ......
扩展 jQurey.i18n.properties 的能力来向 vue-i18n 靠齐
jQuery.i18n.properties 是 jQuery 老项目的国际化框架，其实国际化方案本质上都大同小异，都是需要用翻译函数包裹词条，然后根据词条文件来进行翻译 就是使用上与其他框架不太一样而已 但由于我们已经基于 vue 框架实现了一个国际化自动处理脚本，脚本会自动用全局函数包裹词条，自 ......
三维模型的几何坐标纠正应用探讨
三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作，从而实现三维模型轻量化。轻量化压缩比大，模型轻量化效率高，自动化处理能力高；采用多种算法对三维模型进行几何精纠正处理，精度高，... ......
鱼类识别系统Python+TensorFlow卷积神经网络算法模型+深度学习人工智能【计算机课设项目】
一、介绍 鱼类识别系统。使用Python作为主要编程语言开发，通过收集常见的30种鱼类（'墨鱼', '多宝鱼', '带鱼', '石斑鱼', '秋刀鱼', '章鱼', '红鱼', '罗非鱼', '胖头鱼', '草鱼', '银鱼', '青鱼', '马头鱼', '鱿鱼', '鲇鱼', '鲈鱼', '鲍鱼' ......
Windows11下私有化部署大语言模型实战 langchain+llama2
一、本机环境 1.硬件环境： CPU：锐龙5600X 显卡：GTX3070 内存：32G 注：硬件配置仅为博主的配置，不是最低要求配置，也不是推荐配置。 2.软件环境： Windows系统版本：Win11专业版23H2 Python版本：3.11 Cuda版本：12.3.2 VS版本：VS2022 ......
使用PyTorch实现去噪扩散模型
在深入研究去噪扩散概率模型(DDPM)如何工作的细节之前，让我们先看看生成式人工智能的一些发展，也就是DDPM的一些基础研究。 VAE VAE 采用了编码器、概率潜在空间和解码器。在训练过程中，编码器预测每个图像的均值和方差。然后从高斯分布中对这些值进行采样，并将其传递到解码器中，其中输入的图像预计 ......