南大与美团联合团队提出ReNeLLM框架，有效破解主流大模型安全防线。该研究通过提示重写（6种语义保留的变形方法）和场景嵌套（3种任务伪装）两步循环，实现黑盒自动化越狱攻击。实验显示其攻击成功率和速度均优于现有方法，且无需模型梯度或人工干预。这项发表于NAACL 2024的成果揭示了当前大模型安全对齐的脆弱性，为提升模型鲁棒性提供了重要参考。论文和代码已开源。

CosyVoice是阿里通义实验室一个开源的中文语音合成系统，基于深度学习技术，能够生成自然、流畅的中文语音。本文将详细介绍如何在Ubuntu系统上部署和使用CosyVoice。CosyVoice是一个完整的端到端中文语音合成框架，具有以下特点：基于深度学习的声学模型支持多说话人合成提供预训练模型部署便捷，可用于实际应用场景开源免费，支持二次开发魔塔社区上有论文和demo等一些模型详细的东西模型详

本文分享了作者通过阿里云大模型工程师ACP认证的经验。该认证涵盖检索增强（19%）、应用开发（17%）、模型微调（17%）、生产实践（17%）、提示词工程（14%）和多Agent应用（16%）六大模块，重点考察实践能力。认证具有行业高认可度，可提升15-25%薪资水平。考试为50道选择题，80分通过。作者提供备考笔记、刷题工具和报名指导，帮助零基础学员3周快速通关。后续将更新各模块的实战教程。

随着Deepseek的爆火越来越多的人使用Deepseek,就导致很多情况下出现服务器繁忙的情况。本博客将讲述如何使用Deepseek不卡顿或者出现服务器繁忙的情况。

下载完源码后需要重新编写一个.yaml文件，用了训练自己的模型。第二个地方改为自己想要到训练迭代次数。打开源码里面的train.py文件。第一个地方改为自己新建的数据集。

深度学习：人工神经网络为架构的表征学习，通过神经网络层次化的结构输入逐层进行特征提取和处理。强化学习：智能体和动态环境之间进行交互以学习策略问题。：模型在训练集上表现很好，但是泛化能力。反映预测结果和实际结果的差异。：模型适用于新样本的能力。

Mosaic数据增强,将图片进行随机裁剪，缩放后排列接成一张图片，实现丰富数据集，增加小样本目标，提升网络的训练速度。数据增强代码在utils/dataloaders.py,找到。更改这两个地方，就可以吧Mosaic改为Mosaic9。

利用级联分类器进行人脸识别

Mosaic数据增强,将图片进行随机裁剪，缩放后排列接成一张图片，实现丰富数据集，增加小样本目标，提升网络的训练速度。数据增强代码在utils/dataloaders.py,找到。更改这两个地方，就可以吧Mosaic改为Mosaic9。

Pytorch是著名的人工智能框架，在部署人工智能项目的时候，就需要在嵌入式开发板上安装pytorch，下面就详解介绍关于安装pytorch的步骤。