logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【笔记】wordpress批量替换文章内容

wordpress搬家后,文章图片调用网站绝对路径,因更换了域名,故图片全挂。进mysql,执行:UPDATE 数据表名 SET 字段名 = replace(字段名, '要替换的字符串', '替换为') ;例:UPDATE wp_posts SET post_content = REPLACE( post_content, '原内容', ' 新内容' ) ;转载于:http...

#php#数据库
浪潮NF5245M3服务器RAID0配置及安装windows server 2008 R2

这段时间比较奇怪,服务器总是和我过不去——O(∩_∩)O,前段时间刚搞了一台IBM服务器做RAID0安装EXSi。今天又来了台浪潮NF5245M3,个头一点都不小。上个图看看,第一次接触这个品牌服务器。好了,说重点吧。这次主要是用来做数据库服务器测试机的,有两个要求:1、做RAID0,提高磁盘速度2、安装Windows Serv...

#运维#数据库#操作系统
机器学习中的算法(2)-支持向量机(SVM)基础

版权声明:本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com。也可以加我的微博:@leftnoteasy前言:又有很长的一段时间没有更新博客了,距离上次更新已经有两个月的时间了。其中一个很大的原因是,不知道写什么...

PostgreSQL 重复 数据清洗 优化教程

标签PostgreSQL , 重复数据清洗 , with recursive , 递归 , 流式计算 , pipelinedb , 窗口查询 , file_fdw , insert on conflict , LLVM , 并行创建索引背景重复数据清洗是一个比较常见的业务需求,比如有些数据库不支持唯一约束,或者程序设计之初可能没有考虑到需要在某...

#数据库#嵌入式
大规模机器学习模型服务架构设计与优化实践

机器学习模型服务架构是支撑AI应用落地的关键技术基础设施。其核心原理是通过容器化、微服务等云原生技术,实现模型的高效部署与弹性扩展。在工程实践中,特征存储(Feature Store)和模型配置中心等组件构成了数据中台的核心,而Kubernetes提供的资源调度能力则解决了模型服务的规模化挑战。通过多级缓存、请求批处理等优化策略,系统可以显著提升吞吐量并降低延迟。这类架构特别适用于推荐系统、风控模

MMLU基准实战:从零样本到少样本,全面评估大模型多任务理解能力

本文深入解析MMLU基准测试,从零样本(MMLU-ZS)到少样本(MMLU-FS)全面评估大语言模型(LLMs)的多任务理解能力。通过实战案例和代码示例,详细介绍了评估环境搭建、数据处理技巧及结果分析方法,帮助开发者精准诊断模型的知识盲区和稳定性,提升AI在复杂任务中的表现。

机器学习工具扩展与工程化实践指南

机器学习框架如Scikit-learn和TensorFlow为数据科学提供了基础工具,但在实际业务场景中常需突破其原生功能限制。通过扩展评估指标、特征处理器和模型解释器,可以实现更精准的业务建模。工程化封装涉及算法改造、性能优化和标准化接口设计,例如用Numba加速计算或实现memmap支持大数据处理。这类技术在电商用户分群、金融风控等领域有显著价值,能提升召回率和KS指标等关键指标。掌握工具扩展

#机器学习
Notus 7B v1:基于DPO微调的高效开源大模型

在自然语言处理领域,大语言模型(LLM)的微调技术是提升模型性能的关键环节。Direct Preference Optimization(DPO)作为一种新兴的偏好对齐方法,相比传统RLHF具有训练流程简化、计算资源需求低等优势。其核心原理是通过直接优化偏好数据中的排序关系,实现模型输出的质量提升。Notus 7B v1正是基于Zephyr 7B模型,采用DPO微调技术并结合UltraFeedba

视觉语言大模型抗误导能力评估与优化实践

多模态理解是AI领域的重要研究方向,视觉语言大模型(LVLMs)通过融合视觉与语言模态实现复杂场景理解。其核心原理在于跨模态特征对齐与注意力机制,但在实际应用中面临对抗样本、图像篡改等安全挑战。本文介绍的MVI-Bench基准测试系统,针对12类视觉误导模式构建评估体系,揭示主流模型在语义一致性、抗干扰强度等关键指标上的表现。通过多模态对比学习、注意力矫正等技术方案,可显著提升模型鲁棒性。这些方法

智能代码上下文选择器:提升大模型编程助手在大型项目中的精准度

在软件工程领域,代码理解和智能辅助开发正成为提升生产力的关键技术。其核心原理在于,通过抽象语法树(AST)解析和语义分析,将非结构化的源代码转化为机器可理解的结构化表示。这项技术的价值在于,它能帮助开发者快速导航、理解和修改复杂代码库,尤其在面对遗留系统或大型项目时。应用场景广泛,从IDE智能补全、代码审查辅助到自动化文档生成都离不开它。然而,当这项技术与大语言模型结合,用于代码生成或问答时,一个

    共 364 条
  • 1
  • 2
  • 3
  • 37
  • 请选择