点击左侧“API Keys”，点击创建 API key，输出名称为“AI 代码提示”，也可以使用其它自定义的名称。插件安装成功后，在右侧的标签栏中，会显示一个Continue的标签，我们点击即可进入，随后点击设置按键，如下图。点击“创建"，一定要记录此处的 API key，可以先将 API key 复制在其它地方。打开PyCharm，打开文件->设置->插件，搜索“Continue”，点击安装。随

摘要： 马尔可夫决策过程（MDP）是强化学习的核心数学模型，由五元组（状态空间、动作空间、状态转移概率、奖励函数、折扣因子）构成。MDP描述智能体在环境中通过策略π选择动作，产生轨迹并获得奖励的过程，其随机性体现在环境转移、策略选择和奖励噪声上。强化学习的目标是找到最优策略π*，最大化长期折扣回报，通过价值函数（V函数和Q函数）评估状态和动作的优劣。最终，MDP为强化学习提供了形式化框架，帮助智能

学习python 有一段时间了，一直徘徊与基础，最近接了一个解析数据的任务，算是学习以来第一次实战，故而作此记录。问题解析：为了节省数据存储空间，信息以字符串存在了一个单元格中，我们需要的是时间的首尾值，最后要做差计算，使用BI 软件（spotifire）进行页面展示。原始数据如图1.第一步要解决的问题是时间转换问题因为数据中step_times是long格式(timestamp类似，l...

核心在于：让模型**敢于说“不知道”**比“瞎猜”更值钱。最近，OpenAI 正式揭开了大型语言模型（LLM）“幻觉”现象的真面目：原来问题不在于模型太“聪明”，而是它们的训练奖励机制本身，促使它们“自信满满地说错话”，却不愿诚实承认不知道。模型缺乏判断生成内容真伪的能力，特别是面对极少出现的单次事实，其错误可能率媲美其出现概率；设定规则：只有当模型置信度 > 某一阈值才作答，答错扣分，“我不知道

核心在于：让模型**敢于说“不知道”**比“瞎猜”更值钱。最近，OpenAI 正式揭开了大型语言模型（LLM）“幻觉”现象的真面目：原来问题不在于模型太“聪明”，而是它们的训练奖励机制本身，促使它们“自信满满地说错话”，却不愿诚实承认不知道。模型缺乏判断生成内容真伪的能力，特别是面对极少出现的单次事实，其错误可能率媲美其出现概率；设定规则：只有当模型置信度 > 某一阈值才作答，答错扣分，“我不知道

import base64with open("grayimage.png", "rb") as img_file:#对于图片而言read读取的结果是bytesb64_string = base64.b64encode(img_file.read())return b64_string.decode("utf-8")# decode is used for removing b’ from the

介绍optuna作为调参工具适合绝大多数的机器学习框架，sklearn，xgb，lgb，pytorch等。主要的调参原理如下：1 采样算法利用 suggested 参数值和评估的目标值的记录，采样器基本上不断缩小搜索空间，直到找到一个最佳的搜索空间，其产生的参数会带来 更好的目标函数值。optuna.samplers.TPESampler 实现的 Tree-structured Parzen Es

点击左侧“API Keys”，点击创建 API key，输出名称为“AI 代码提示”，也可以使用其它自定义的名称。插件安装成功后，在右侧的标签栏中，会显示一个Continue的标签，我们点击即可进入，随后点击设置按键，如下图。点击“创建"，一定要记录此处的 API key，可以先将 API key 复制在其它地方。打开PyCharm，打开文件->设置->插件，搜索“Continue”，点击安装。随