RAG适合需要外部知识辅助的问答系统，prompt适合自然语言生成任务，微调适合各种特定的NLP任务，而agent则适合需要连续决策的问题。生成：将这些信息片段与输入提示一起作为上下文，生成最终的回答或文本。生成输出：将提示输入到预训练模型中，模型根据提示生成剩余的输出。交互：agent在环境中执行动作，并根据环境的反馈调整其策略。微调：在特定任务的标注数据上继续训练，通常使用较小的学习率。检索：

Python快捷键光标操作ctrl+alt+enter:向上插入shift+enter:向下插入end:光标操作代码ctrl+d:复制粘贴一行ctrl+y:删除一行Ctrl+p提示代码格式代码及其他功能ctrl+alt+L:格式化代码在代码中使用alt+insert:Generate,可以get/set等操作ctrl+alt+T:添加try/catch/ ifshift+tab:反向退格alt+s

RAG适合需要外部知识辅助的问答系统，prompt适合自然语言生成任务，微调适合各种特定的NLP任务，而agent则适合需要连续决策的问题。生成：将这些信息片段与输入提示一起作为上下文，生成最终的回答或文本。生成输出：将提示输入到预训练模型中，模型根据提示生成剩余的输出。交互：agent在环境中执行动作，并根据环境的反馈调整其策略。微调：在特定任务的标注数据上继续训练，通常使用较小的学习率。检索：

问题分析：nohup后台不灵光，如果非正常exit终端的话，会将Signal信号送给进程，最终导致全部中止。我是用的llamafactory微调，我的大模型微调之前使用的单卡，切换到双卡并行训练后，首先出现报错。这个问题解决后命令启动后正常运行，但一个小时内总是会出现，中断错误。是退出终端不马上关，使用exit退出;这样就算断开连接，命令也会继续运行。本人尝试第一种方法，问题解决。解决方案查看我的

问题分析：nohup后台不灵光，如果非正常exit终端的话，会将Signal信号送给进程，最终导致全部中止。我是用的llamafactory微调，我的大模型微调之前使用的单卡，切换到双卡并行训练后，首先出现报错。这个问题解决后命令启动后正常运行，但一个小时内总是会出现，中断错误。是退出终端不马上关，使用exit退出;这样就算断开连接，命令也会继续运行。本人尝试第一种方法，问题解决。解决方案查看我的

RAG适合需要外部知识辅助的问答系统，prompt适合自然语言生成任务，微调适合各种特定的NLP任务，而agent则适合需要连续决策的问题。生成：将这些信息片段与输入提示一起作为上下文，生成最终的回答或文本。生成输出：将提示输入到预训练模型中，模型根据提示生成剩余的输出。交互：agent在环境中执行动作，并根据环境的反馈调整其策略。微调：在特定任务的标注数据上继续训练，通常使用较小的学习率。检索：

RAG适合需要外部知识辅助的问答系统，prompt适合自然语言生成任务，微调适合各种特定的NLP任务，而agent则适合需要连续决策的问题。生成：将这些信息片段与输入提示一起作为上下文，生成最终的回答或文本。生成输出：将提示输入到预训练模型中，模型根据提示生成剩余的输出。交互：agent在环境中执行动作，并根据环境的反馈调整其策略。微调：在特定任务的标注数据上继续训练，通常使用较小的学习率。检索：

由于图像重复导致大量论文被撤稿，本研究评估了所建议数据集中最先进的复制移动检测方法，使用了一种新的指标，该指标断言源和复制区域之间的匹配检测是一致的。我们的结果和分析表明，在通用计算机视觉数据集上开发的现有算法在应用于生物医学图像时并不健壮，这表明需要更多的研究来解决生物医学图像取证的独特挑战。该方法基于一个关键观察，即混合操作产生的边界转移伪影在各种图像伪造操作中普遍存在，我们的方法利用基于CR

深度学习深度学习（神经网络的升级版）≈神经网络；是建模方式深度学习网络（巨大水管网络）目的：处理信息算法：卷积神经网络CNN、循环神经网络RNN、生成对抗网络GANs、深度强化学习RL卷积神经网络价值：能够将大数据量的图片有效的降维成小数据量(并不影响结果)、能够保留图片的特征（类似人类的视觉原理）基本原理：卷积与池化层循环卷积层 – 主要作用是保留图片的特征，类似于一个图片打包、只显示一个图层池

Android studio最常用快捷键Ctrl+D： 复制和粘贴Ctrl+X 删除行Ctrl+空格：代码提示Ctrl+下：下拉Ctrl+斜杠 、Ctrl+shift+斜杠：Ctrl+E：快速查看最近打开打开过的文件。Ctrl+Alt+T包裹弹出框Alt+shift+C：查看工程的最近修改。Ctrl+Alt+F7:查看一个类、方法、成员变量在整个工程中的使用情况。Ctrl+W：扩大一级选中的范围C