language-image pre-training grounded language
自然语言工具包（Natural Language Toolkit，简称NLTK） 简介
自然语言工具包（Natural Language Toolkit，简称NLTK）是一个广泛使用的Python库，用于处理和分析自然语言文本。它提供了各种工具和数据集，用于文本预处理、语言模型、词性标注、句法分析、语义分析、情感分析、文本分类等自然语言处理任务。 以下是NLTK的一些主要功能和特点： ......
MySQL数据库：第十二章：（DDL）Data Define Language数据定义语言
回退至Mysql数据库理论与实战 #DDLData Define Language数据定义语言 关键字：create、alter、drop库的管理表的管理#一、库的管理#1、创建库#语法：create database [if not exists] 库名CREATE DATABASE IF NOT ......
Proj CDeepFuzz Paper Reading: An Extensive Study on Pre-trained Models for Program Understanding and Generation
## Abstract ## 1. Intro ## 2. Background ### 2.1 Program Understanding and Generation Tasks ### 2.2 NL-PL Pre-Trained Models  NOT N ......
How Can Recommender Systems Benefit from Large Language Models: A Survey 阅读笔记
论文主要从LLM应用在推荐系统哪些部分以及LLM如何应用在推荐系统中，还讨论了目前LLM应用在RS中的一些问题。 ###Where? 推荐系统哪些部分哪里可以应用到大模型？文章中提到了特征工程、特征编码、评分/排序函数、推荐流程控制。 - LLM for Feature Engineering - ......
IDEA设置JAVA使用的编译语言Language level为8
设置这个为8 不然每次pom文件修改都会变更为5 pom.xml增加 <properties> <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> <java.version>8</java.version> </pr ......
论文解读（PERL）《PERL: Pivot-based Domain Adaptation for Pre-trained Deep Contextualized Embedding Models》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：PERL: Pivot-based Domain Adaptation for Pre-trained Deep Contextualized Embedding Models论文作者：Eyal Ben-D ......
How to choose your first programming language All In One
How to choose your first programming language All In One
如何选择你的第一门编程语言
......
Mixture-of-Domain-Adapters: Decoupling and Injecting Domain Knowledge to Pre-trained Language Mod...
### 1. Abstract 经过预训练的语言模型（PLM）表现出在通用领域理解文本的出色能力，同时在特定领域中表现不佳。**尽管在大型领域特定语料库上继续预训练是有效的，但调整领域上的所有参数是昂贵的**。在本文中，我们研究了是否可以通过只调整几个参数来有效地调整PLM。具体来说，我们将Tran ......
论文解读（UDALM）《UDALM: Unsupervised Domain Adaptation through Language Modeling 》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：UDALM: Unsupervised Domain Adaptation through Language Modeling 论文作者：Constantinos Karouzos, Georgios Pa ......
the-c-programming-language-reading-notes
The C Programming Reading Notes Created: 2023-06-06T15:59+08:00 Published: 2023-08-16T12:14+08:00 Categories: C | ReadingNotes 我看的是第二版，解决了初学 C 语言和 OS ......
论文解读（SentiX）《SentiX: A Sentiment-Aware Pre-Trained Model for Cross-Domain Sentiment Analysis》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：SentiX: A Sentiment-Aware Pre-Trained Model for Cross-Domain Sentiment Analysis论文作者：Jie Zhou, Junfeng T ......
CLIP: Learning Transferable Visual Models From Natural Language Supervision
## CLIP: Learning Transferable Visual Models From Natural Language Supervision 论文链接： https://arxiv.org/pdf/2103.00020.pdf 代码链接：https://github.com/open ......
LLMOps（Large Language Model Operations）简介
LLMOps是一个新兴领域，专注于管理大型语言模型的整个生命周期，包括数据管理、模型开发、部署和伦理等方面。Hugging Face、Humanloop和NVIDIA等公司正在引领这一领域的发展。 Hugging Face的Transformers库已成为构建和微调各种NLP任务的大型语言模型的首选 ......
Learning Transferable Visual Models From Natural Language Supervision
Learning Transferable Visual Models From Natural Language Supervision 作者：Alec Radford *1 Jong Wook Kim *1 Chris Hallacy 1 Aditya Ramesh 1 Gabriel Goh ......
自然语言处理（Natural Language Processing，NLP）
自然语言处理（Natural Language Processing，NLP）是人工智能领域的一个重要分支，旨在使计算机能够理解、处理和生成人类自然语言。NLP 的目标是让计算机能够像人类一样有效地理解和交流，从而实现更自然、更智能的人机交互。 NLP的理解概括： 文本理解和分析： NLP技术能够从 ......
《Universal and Transferable Adversarial Attacks on Aligned Language Models》论文学习
一、Abstract 尽管“开箱即用”的大型语言模型（例如ChatGPT）能够生成出色的处理令人反感的内容，人们在规避针对LLM的攻击（针对LLM的所谓“越狱”）方面取得了一些成功，但在不断地攻防实践中这些防御手段却很脆弱，研究员在自动对抗性提示（prompt）生成方面也取得了一些突破。 在本文中， ......
MySQL学习-DML（Data Manipulation Language）数据--select语句02
表连接：分为内连接和外连接，常用内连接。当需要同时显示多个表中字段时，就可以用表连接。 内连接：仅选出两张表中互相匹配的记录 外连接：还会选出其他不匹配的记录 外连接包含左连接和右连接 左连接： ......
什么是编程领域的 DSL - Domain Specific Language
在编程领域中，Domain Specific Language（DSL）是一种特定于特定问题领域的计算机语言，设计用于解决该领域的特定类型的问题。DSL的设计目标通常包括提高生产力，使非程序员可以使用，以及提供特定类型的语言构造。DSL与通用编程语言（GPL）相对，GPL如Python、Java等， ......
MySQL学习-DML（Data Manipulation Language）数据--select语句
select * from emp select ename,sal from emp 查询不重复的记录： 排序：默认升序排列，desc是降序，asc升序 order by 后面可以跟多个不同的排列字段，并且每个字段可以有不同的排列顺序。 如下先按照deptno升序排列，再按照sal降序排列。 限制 ......
《LARGE LANGUAGE MODELS ARE HUMAN-LEVEL PROMPT ENGINEERS》论文学习
一、INTRODUCTION 深度神经网络规模和基于注意力的网络架构的结合，导致了语言模型具备了前所未有的通用性。“大型语言模型”（LLM）涌现出了很多令人惊艳的能力，包括： few-shot in-context learning zero-shot problem solving chain o ......
Large Language Models are Zero-Shot Reasoners
[TOC] > [Kojima T., Gu S. S., Reid M., Matsuo Y. and Iwasawa Y. Large language models are zero-shot reasoners. NIPS, 2022.](http://arxiv.org/abs/2205. ......
Measuring and Narrowing the Compositionality Gap in Language Models
[TOC] > [Press O., Zhang M., Min S., Schmidt L., Smith N. A. and Lewis M. Measuring and narrowing the compositionality gap in language models. arXiv p ......
《Language Model Cascades》论文学习
一、Introduction 语言模型 (LM) 已展现出令人印象深刻的小样本学习能力，很多人建议应该将LM视为一个基础通用推理计算器，这个基础通用推理计算器可以被用于例如： scratchpads chain of thought prompting learned verifiers selec ......
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
[TOC] > [Wei J., Wang X., Schuurmans D., Bosma M., Ichter B., Xia F., Chi E. H., Le Q. V. and Zhou D. Chain-of-thought prompting elicits reasoning in ......
Rethinking with Retrieval Faithful Large Language Model Inference
[TOC] > [He H., Zhang H. and Roth D. Rethinking with retrieval: faithful large language model inference. arXiv preprint arXiv:2301.00303, 2023.](http: ......
《Prompting Is Programming: A Query Language for Large Language Models》论文学习
一、前言 大型语言模型在诸如对话问答、代码生成等广泛任务上表现出了出色的性能。 在较高的层次上，给定一段输入，大语言模型可用于按照概率统计方式自动补全序列。在此基础上，用户用指令（instructions）或示例（examples）去提示（prompt）大语言模型，以实施各种下游任务。 本质上，提示 ......
REALM Retrieval-Augmented Language Model Pre-Training
[TOC] > [Guu K., Lee K., Tung Z., Pasupat P. and Chang M. REALM: Retrieval-augmented language model pre-training. ICML, 2020.](http://arxiv.org/abs/20 ......
Guidance：A guidance language for controlling large language models
一、项目简介 与传统的Prompt或Chaining技术相比，“Guidance”能够更有效地控制LLM语言模型。 “Guidance”程序允许您将generation、prompting和业务逻辑控制交织成一个连续的pipeline流程，并与LLM模型实际处理文本的过程相匹配，例如： Simple ......
[论文研读]空天地一体化(SAGIN)的网络安全_A_Survey_on_Space-Air-Ground-Sea_Integrated_Network_Security_in_6G
** 恢复内容开始 ** ## 空天地一体化(SAGIN)的网络安全 **目前关注的方面：** 集中在安全通信、入侵检测、侧通道攻击、GPS欺骗攻击、网络窃听、消息修改/注入等方面，有些侧重于分析现有的安全威胁[20]、[21]，有些提出了他们的攻击方法[14]、[22]，还有一些则更多地侧重于SA ......