你知道的数据标注都有哪些？数据标注（Data Annotations）是指对收集到的、未处理的原始数据或初级数据，包括语音、图片、文本、视频等类型的数据进行加工处理，并转换为机器可识别信息的过程。矩形框标注是一种的简单处理方式，常用于等。多边形标注是指在静态图片中，使用多边形框，标注出不规则的目标物体，相对于矩形框标注，**多边形标注能够更精准地框定目标，**同时对于不规则物体，也更具针对性。语义

内容概要：包括 内网、操作系统、协议、渗透测试、安服、漏洞、注入、XSS、CSRF、SSRF、文件上传、文件下载、文件包含、XXE、逻辑漏洞、工具、SQLmap、NMAP、BP、MSF…技术文档也是我自己整理的，包括我参加大型网安行动、CTF和挖SRC漏洞的经验和技术要点，电子书也有200多本，由于内容的敏感性，我就不一一展示了。网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己录的网安

*轻量化微调 (Parameter Efficient Fine-Tuning，PEFT)😗*一种优化策略，用于减少模型的计算资源需求，同时保持或提高模型性能。由于大模型的参数太大，即使是fine-tuning通常也需要很大的算力和数据，因此提出在保持原有大模型参数不变的前提下，注入少量参数，通过只训练该部分参数的方式来实现微调目的。在机器学习和深度学习领域，训练、预训练、微调和轻量化微调是几个

AI江湖传言：得框架者得天下，可见AI框架的重要性，它通过框架性思维整合了人工智能的三驾马车（算法、算力、数据），如果想成为头部AI企业，AI框架就是其中一项核心竞争力，这样才不会受制于人，才能体现AI基础研究能力，这也是为什么AI公司争相研发自己的AI框架。主要作者为微软的研究团队。正是在这样一个环境优美，生活惬意的地方，可能是做学术最好的环境，自由和灵感在这里悄无声息地碰撞，这里的研究所是全球

如果你真心想要入门大型语言模型（LLM），只看这一个文章应该是可以入门的。但是修行下去，还是要靠自己的了！如果你把大语言模型/LLM 当成一门技术来看，那就要看一下这门技术需要什么。基本要求：开发语言：Python ， C/C++开发框架和工具库： Numpy /Pytorch /Tensorflow /Keras /Onnx数学知识：线性代数、高数、概率、凸优化这些东西我们假定你都已经会了，或者

我接触黑话大概有两个用途：1、黑灰产情报解读：公司体量也不小经常被薅羊毛，SRC开放了情报提供积分，所以对于白帽子提供的情报，通过掌握的黑话去了解情况。又称网赚平台，是指利用低廉的佣金吸引闲暇时间比较多的人群来帮忙人肉翻译验证码，然后把翻译好的文本回传给脚本，连同撞库的用户名、密码再尝试登录。解决客户的需求短时间内将大量快手用户引向其他平台，对引流人数和引向的平台设置不同的门槛，抽取佣金。将批量注

我总是受大脑运行方式的启发…大脑收集信息，然后对信息进行加权再输出，问题就在于，怎么调整这些权重使这些信息发挥作用。—— 杰弗里·辛顿今天和大家分享下，怎么用开源工具免费微调大模型。要用到的工具有：autotrain：huggingface开放的零代码大模型微调平台，无需编程，只需要通过简单的界面操作就能够进行colab：一个在线交互式Python运行环境，主要是用来提供大模型微调时的云端计算资源

其中，信息收集是漏洞挖掘的第一步，通过对目标系统的信息进行收集，可以为后续的漏洞分析和利用提供必要的信息。现实情况就是，除了台式机，你最常用的就是移动设备了，手机，移动笔记本，平板电脑这些设备大都不需要使用线缆，也同样可以实现网络连接，这就是通过所谓的「无线连接技术（Wi-Fi）」，来实现的。举个例子，假如有一家跨国公司在悉尼和墨尔本都有分公司，你在悉尼的办公室分享了数据，在墨尔本的办公室想要获取

本文将完整介绍使用LoRA进行模型微调。使用框架。代码可以在 我的github[1] 上找到。

1）突破了远距离文本依赖的学习限制，避开了递归网络的模型体系结构，并且完全依赖于注意力机制来绘制输入和输出之间的全局依赖关系。2）可高度并行进行训练，这对发挥硬件红利以及快速迭代模型非常重要。下图是论文提到的Transformer模型，对编码器和解码器使用堆叠式的自注意力和逐点式、全连接层，分别如图1的左半部分（编码器）和右半部分（解码器）所示，相关技术细节后面会重点讲到。