聊到监督学习和无监督学习，很多同学是存在误区的：今天就简单聊聊，监督学习输入数据被标记，包括特征值和目标值函数的输出可以是一个连续的值(称为回归）或是输出是有限个离散值（称作分类）常见的监督学习算法：回归分析和统计分类。最典型的算法是 KNN 和 SVM无监督学习输入数据是由输入特征值组成，没有目标值输入数据没有被标记，也没有确定的结果。样本数据类别未知；需要根据样本间的相似性对样本集进行类别划分

大模型部署

关注中文命名问题报错问题cv2.error: OpenCV(3.4.2) C:\projects\opencv-python\opencv\modules\highgui\src\window.cpp:356:分析报错原因以上问题为典型的路径问题：图片读取路径问题；中文命名问题；（容易被忽略）解决方案以上错误明显属于中文命名问题，重命名即可解决OK，小伙伴们以后一定要注意此问题！！！...

实验介绍实验数据信息实验数据来源：github实验任务：情感分析，二分类任务训练集大小：9600验证集大小：1200测试集大小：1200样本均衡情况：均衡参与对比的Bert系列模型包括：Bert、Finbert、Roberta实验数据选型文本长度最小长度：4最大长度：1992平均长度：108Bert具体参数如下训练命令及参数python run_classifier.py --task_name=

今天和华泰总部的陈姓算法总监聊天，聊到了当前较为实用的处理NER任务的算法方案；今天借着这个机会和大家简单交流下，有心的小伙伴拿好小本子，要开始记笔记了！！！我们算法组陆陆续续做了HTZQ的81个大类的序列标注任务，个人这边做了接近30个类别的NER任务，属实是试验了多种多样的NER方案，感受颇多。接下来我这边针对金融领域上市公司的公告数据中的实体识别任务，进行简单总结：1、金融领域数据特点：数据

大模型微调

AI智能体服务平台架构设计

Qwen3-72B-Instruct vs Qwen3-235B-A22B-Instruct-2507 全面能力对比

Qwen3-32B 与 Qwen3-72B-Instruct 全面能力对比

大模型部署