python-dict()

Debian系统安装OpenVPN

IDEA常用配置之代码自动格式化删除无用导入

【MATLAB】史上最全的13种数据拟合算法全家桶

现在最火的莫过于GPT了，也就是大规模语言模型(LLM)。“LLM” 是 “Large Language Model”（大语言模型）的简称，通常用来指代具有巨大规模参数和复杂架构的自然语言处理模型，例如像 GPT-3（Generative Pre-trained Transformer 3）这样的模型。这些模型在处理文本和语言任务方面表现出色，但其庞大的参数量和计算需求使得它们被称为大模型。当然也有一些自动生成图片的模型，但是影响力就不如GPT这么大了。

在过去的一年里，大型语言模型(llm)有了飞速的发展，在本文中，我们将探讨几种(量化)的方式，除此以外，还会介绍分片及不同的保存和压缩策略。

本文分享国内场景3D目标检测，公开数据集 DAIR-V2X-V（也称为DAIR-V2X车端）。DAIR-V2X车端3D检测数据集是一个大规模车端多模态数据集，包括： 22325帧 图像数据 22325帧 点云数据 2D&3D标注 基于该数据集，可以进行车端3D目标检测任务研究，例如单目3D检测、点云3D检测和多模态3D检测。

面向智能驾驶（辅助驾驶、自动驾驶）场景下的语义分割任务，由于非结构化场景的复杂性，是一个非常具有挑战性的任务，所以有许多研究者和研究机构公开了很多相关的数据集推动语义分割领域的发展。本文主要介绍Cityscapes数据集。

数字人生成速度1:0.5

Python的reshape的用法：reshape(1,-1)、reshape(-1,1)

Python爬虫程序中的504错误：原因、常见场景和解决方法

本文将介绍 4K Ultra HD蓝光的特征并总结它与普通蓝光的区别，如果您对蓝光光盘的知识有兴趣，或者计划购买新的蓝光播放机，那么可以参考本文。

该文章主要提供交流学习使用，请勿利用其进行不当行为！ 如本篇文章侵犯了贵公司的隐私，请联系我立刻删除！

在人工智能领域，有大量的数据需要有效的处理。随着我们对人工智能应用，如图像识别、语音搜索或推荐引擎的深入研究，数据的性质变得更加复杂。这就是向量数据库发挥作用的地方。与存储标量值的传统数据库不同，向量数据库专门设计用于处理多维数据点(通常称为向量)。这些向量表示多个维度的数据，可以被认为是指向空间中特定方向和大小的箭头。

区间预测 | MATLAB实现QRBiLSTM双向长短期记忆神经网络分位数回归时间序列区间预测

今天这篇小作文主要介绍Vicuna模型、基于官方模型13B模型部署服务及对话实测。

亮点：代码开源+结构清晰+准确率高+保姆级解析 🍊本项目使用Pytorch框架，使用上游语言模型+下游网络模型的结构实现IMDB情感分析 🍊语言模型可选择Bert、Roberta 🍊神经网络模型可选择BiLstm、LSTM、TextCNN、Rnn、Gru、Fnn共6种 🍊语言模型和网络模型扩展性较好，方便读者自己对模型进行修改

wandb是一个免费的，用于记录实验数据的工具。wandb相比于tensorboard之类的工具，有更加丰富的用户管理，团队管理功能，更加方便团队协作。本文主要演示如何在阿里云DSW实例中使用wandb。

高效大模型训练框架Whale（EPL）入选USENIX ATC

案例与解决方案汇总页：阿里云实时计算产品案例&解决方案汇总 1. 概述 异常检测（anomaly detection）指的是对不符合预期模式或数据集（英语：dataset）中其他项目的项目、事件或观测值的识别。

Flink入坑指南系列文章，从实际例子入手，一步步引导用户零基础入门实时计算/Flink，并成长为使用Flink的高阶用户。 简介 Group By + Agg这个最经典的SQL使用方式。Group By是SQL中最基础的分组操作，agg的全称是aggregation(聚合操作)，是一类SQL算子的统称，Flink中最常用的Agg操作有COUNT/SUM/AVG等，详情参见Flink支持的聚合操作列表。

概述 DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各种异构数据源之间高效的数据同步功能。

曾经表示“要做伟大的公司”的豌豆荚在今年7月被阿里收购了。这家公司巅峰时期，估值曾高达10亿美元。然而，最后被收购时金额大跳水。据传当时的收购价为2亿美元，不过这一数额并未得到阿里巴巴和豌豆荚的确认。

该JD商品数据接口提供jd.item_get（基础）与jd.item_get_pro（全量）两大核心服务，支持POST/GET调用，返回JSON格式。无需申请密钥，传入item_id/sku_id及timestamp即可一键获取含图文、价格、库存、规格、销量、售后等7大模块的标准化商品数据，适配批量查询与中小卖家需求。（239字）

本文介绍一款开源桌面自动化工具，如何用拖拽式可视化编程替代传统Python脚本：无需写代码，通过连接“监控→解析→判断→操作”节点，轻松实现照片归档、网页抓取等任务；支持跨平台路径变量、轮询调优、本地离线运行，让逻辑思维取代编程语法。（239字）

本文介绍零代码浏览器自动化工具如何解放重复劳动：教培老师作业归档、个人账单统计、打印店接单等场景，仅需拖拽配置即可实现全自动操作。无需编程，识别按钮、提取数据、处理文件、自动回复一气呵成，每天轻松省下数小时。（239字）

java工具：String转Long（日期格式字符串转为时间毫秒数）

本方案基于原创轻量自学习小AI架构，专为大模型研发设计：通过GPU池化+小AI智能调度，无需新增高端GPU，即可将集群算力利用率从30%提升至80%以上，年省千万级成本。小AI自主学习、抗遗忘、守规则，零硬件投入、高技术壁垒、强场景适配。（239字）

本文分享大厂AI应用在函数计算（FC）高并发场景下，应对异步任务重复执行的**四层幂等去重实战方案**：从全链路requestId透传、Redis+Lua轻量锁（拦截85%+重复）、Handler内指纹校验，到DB唯一索引兜底。附可落地代码与真实数据——重复率由11.7%降至0.08%，LLM调用与FC账单显著下降。

本文揭示RAG中TopK参数的致命误区：增大TopK并非提升召回，而是扩大模型决策空间，导致证据冲突加剧、关键信息稀释、模型被迫“自圆其说”。实证表明，TopK=3–5才是稳定安全区间；盲目调大只会用不确定性换表面流畅，本质是为切分、检索等深层问题背锅。

本文揭示向量数据库实战的七大关键陷阱：选型前需明确业务本质（模糊匹配 or 精确查询？）；embedding 比数据库本身更重要，决定语义“世界观”；文档切分是核心工程，非辅助步骤；建库成功≠可用，TopK 准确率会随数据演进失效；“相似但不可用”是常态，必须引入 rerank；需建立可追溯的bad case排查路径；向量库是长期系统，非一次性组件。核心结论：难在“用对”，不在“用上”。

本文系统解析大模型微调的13个核心概念，涵盖硬件基石（GPU/显存/精度）、训练目标（SFT/RLHF等）、关键设置（Batch Size/Epoch）及模型结构（层数/隐藏维度/显存开销），并提供LoRA实战路径与效果评估方法，助力个人与企业低成本打造专属AI。（239字）

V2X 车联网：不是“聪明的车”，而是“会聊天的车”

数据不守规矩怎么办？——聊聊乱序事件的处理策略与实战要点

随着城市化进程加快，传统安防难以应对暴力事件。基于深度学习的暴力行为识别系统，融合YOLOv8、Python与多模态数据，实现高精度、实时检测，提升公共安全响应效率，助力智慧城市建设。

【AI大模型面试宝典】聚焦分词器核心考点！详解BPE、WordPiece、SentencePiece原理与实战，覆盖中文分词最佳实践、词汇表构建、特殊标记处理，助你轻松应对高频面试题，精准提升offer竞争力！