构建.github.io主页

准备gcc: 需要参考windows+cpp(二):安装cpp开发环境 MinGW 或 msys2 或 Cygwin 安装 MinGW 或 msys2 (推荐后者)vscode编写cpp的基本配置tasks.json, launch.json, .json, 可参考windows+cpp(三): VS code + MinGW, windows上编写调试cppMakefile创建一个main.cp

大型语言模型（如 GPT 系列）在训练后，往往需要“对齐”（alignment），让它们生成更符合人类偏好的输出。比如，你问 AI 一个问题，它应该给出有帮助、礼貌的回答，而不是胡说八道或有害的内容。传统的对齐方法是 RLHF（Reinforcement Learning from Human Feedback，从人类反馈中强化学习）：Step1：收集人类反馈数据。通常是给模型一个提示（promp

VACE模型除了支持基本的文本和图像作为控制条件输入，还支持将视频和视频mask作为输入控制。简单理解就是视频版本的ControlNet和Flux-Fill。与图片生成的结构很像，VAE encode->Diffusion->VAE decode的形式，只是多了一个时间维度(T+1, H, W, C)

大型语言模型（如 GPT 系列）在训练后，往往需要“对齐”（alignment），让它们生成更符合人类偏好的输出。比如，你问 AI 一个问题，它应该给出有帮助、礼貌的回答，而不是胡说八道或有害的内容。传统的对齐方法是 RLHF（Reinforcement Learning from Human Feedback，从人类反馈中强化学习）：Step1：收集人类反馈数据。通常是给模型一个提示（promp

大型语言模型（如 GPT 系列）在训练后，往往需要“对齐”（alignment），让它们生成更符合人类偏好的输出。比如，你问 AI 一个问题，它应该给出有帮助、礼貌的回答，而不是胡说八道或有害的内容。传统的对齐方法是 RLHF（Reinforcement Learning from Human Feedback，从人类反馈中强化学习）：Step1：收集人类反馈数据。通常是给模型一个提示（promp

peft中的LoRA层对象（BaseTunerLayer的子类，比如Linear替换成peft.tuners.lora.layer.Linear），并将原本的Linear对象放到新对象的base_layer这个成员变量下，而peft.tuners.lora.layer.Linear调用时会根据激活的adapter自动应用lora。），会发现代码中既没有创建LoRA层，也没有在推理的时候调用LoRA

是生成模型推理时的一种操作，目的是使的生成图像与输入的text prompt更接近。

VACE模型除了支持基本的文本和图像作为控制条件输入，还支持将视频和视频mask作为输入控制。简单理解就是视频版本的ControlNet和Flux-Fill。与图片生成的结构很像，VAE encode->Diffusion->VAE decode的形式，只是多了一个时间维度(T+1, H, W, C)

安装make（机器不能获取最新版的make）需要torch>=2.5。