2026年中总结

重视自己的感受，调整自己的位置。抓住了职业平台和时间赐予你的修正错误的机会。这就是找到适合自己的赛道。

如果度量算法符合我们的先验经验，比如我们人工标示最相似的两条曲线，算法给出的距离度量也是最小的，我们判断最不相似的，算法给出的距离度量也是最大的。有了判断两条曲线距离度量的算法，且算法结果具有一定的排序性，那么就可以计算出任两条曲线的距离度量值，根据此值就可以给出与指定股票曲线最相似的TopN股票曲线。dtw算法dtw(x,y)=2 < dtw(x,z)=18 判断曲线y与曲线x的距离小于曲线z与

这套角色扮演对话系统本质上是一个以图状态机为驱动核心、以流式计算为表现形式的现代分布式智能体平台。通过将计算逻辑（FastAPI）、记忆状态（Redis）以及能力市场（懒加载引擎）进行彻底的三层解耦，系统不仅保证了大模型在“千人千面”角色拟真度上的极致灵活性，更为企业高并发应用提供了坚不可摧的安全隔离性、网络容错率与内存弹力，是现代 AI Agent 向生产环境演进的标准范式。

这套角色扮演对话系统本质上是一个以图状态机为驱动核心、以流式计算为表现形式的现代分布式智能体平台。通过将计算逻辑（FastAPI）、记忆状态（Redis）以及能力市场（懒加载引擎）进行彻底的三层解耦，系统不仅保证了大模型在“千人千面”角色拟真度上的极致灵活性，更为企业高并发应用提供了坚不可摧的安全隔离性、网络容错率与内存弹力，是现代 AI Agent 向生产环境演进的标准范式。

告别死记硬背！搭载“独立认知脑”的 AI 销售陪练智能体传统的 AI 陪练往往像一台死板的“自动回复机”，只能顺着固定的树状脚本往下走，缺乏真实的博弈感。我们要求智能体具备认知、感知和共情能力，它不仅拥有喜怒哀乐，能听懂销售员的弦外之音，甚至会在被过度推销时“摔门而去”。它不是在念剧本，而是在与你进行一场极其真实的商业博弈。

2025年终总结

1、本地local模式启动SparkSession我写了个脚本做使用本地local模式启动SparkSession，想做个简单的代码测试，如下：//in scalapackage com.Toby.Gaoimport org.apache.spark.sql.SparkSessionobject Test {def main(args:Array[String]){val spark = Spar

原文链接：【ACL2020】DeeBERT：衡量性能与效率的 BERT 推理方法DeeBERT作者信息Elesdspline目前从事NLP与知识图谱相关工作。导语近年来预训练在 NLP 领域的各个任务上都表现出来很好的效果，但是在推理速度方面却不如人意，所以有很多的研究针对如何加快推理而提出了各种各样的尝试。本文针对加快 BERT 预训练模型的推理速度提出的相关方法，提出了一种简单而有效的方法 D

Qwen2.5-VL视觉-语言模型做图片处理调研