博客作者
战无不胜
350
已发布文章
11K
博客获赞
741K
博客浏览
第 16 页
Python 在 Windows、macOS 和 Linux 系统上的安装步骤，包括环境变量配置、Pip 包管理工具的使用、虚拟环境的创建与管理，以及常见问题的排查方法。内容涵盖从基础安装到进阶配置的全流程，旨在帮助开发者快速搭建稳定的 Python 开发环境，为后续学习数据分析、Web 开发或人工智能打下坚实基础。
Python 作为数据分析的核心工具，具备简洁语法与丰富生态。涵盖从环境搭建、数据获取、清洗预处理、可视化分析到机器学习建模的全流程。重点介绍 Pandas、NumPy、Matplotlib 及 Scikit-learn 等关键库的使用方法与最佳实践，提供代码示例与性能优化建议，帮助读者掌握构建高效数据分析解决方案的技能。
10 个用于自动化探索性数据分析的 Python 库，包括 D-Tale、Pandas-Profiling、Sweetviz、AutoViz、Dataprep、Klib、Dabl、SpeedML、DataTile 和 Edaviz。文章详细说明了各库的安装方式、核心功能、代码示例及适用场景。通过对比不同工具的特点，如报告生成速度、交互性、机器学习集成能力等，…
Python 爬虫的基础原理、HTTP 请求响应机制、网页解析技术（正则、XPath、BeautifulSoup）、常用框架（Scrapy、Selenium）以及反爬虫应对策略。通过实例演示了数据提取与存储流程，并强调了遵守网站协议和法律法规的重要性。
本书由赵宇与任福继教授编写，系统讲解自然语言处理与大语言模型理论及实践。内容涵盖词向量、Transformer 架构、预训练、微调、提示工程及评估方法，并包含金融、医疗等实际应用场景。适合高校师生及研发人员参考，提供从基础理论到应用开发的完整知识体系。
深入解析基于 GPT-3、ChatGPT 及 GPT-4 等 Transformer 架构的自然语言处理技术。涵盖 Transformer 模型原理、BERT 与 RoBERTa 微调、机器翻译、文本摘要、情感分析及问答系统构建。同时探讨 GPT-3 高级提示工程、多模态视觉模型应用以及可解释性 AI 在假新闻分析中的实践。通过 Python、PyTorch…
AI 大模型学习涉及数学基础、算法原理、模型架构、训练优化及伦理影响。核心包括线性代数与概率论支撑，深度学习如 CNN、RNN、Transformer 架构设计，以及分布式训练、模型压缩等技术。应用场景覆盖 NLP、图像识别、语音处理等领域。同时需关注数据隐私、算法偏见及安全性挑战，未来趋势指向跨模态学习与绿色计算。
OpenAI 发布的首个文生视频模型 Sora 支持长达 60 秒的视频生成，具备单视频多角度镜头和世界模型能力。技术核心采用扩散 Transformer 架构，将视频压缩为时空 Patches 进行训练，结合 DALL·E 3 提升文本理解。虽然存在物理建模缺陷，但其在分辨率、纵横比适应性及构图方面表现优异。该技术旨在构建世界模拟器，对影视、游戏等行业有深…
Android 车载开发成为行业新风口，要求开发者从应用层下沉至 Framework 底层。深入解析 Android 系统启动流程、跨进程通信机制、Handler 线程模型、AMS 组件管理、WMS 窗口调度、Surface 图形渲染、Package 安装及权限控制、输入事件处理以及显示管理核心原理。通过掌握这些底层知识，开发者可突破职业瓶颈，胜任智能座舱等…
使用 LangGraph 框架构建基于 ReACT 架构的智能 Agent 的方法。通过定义工具（如 Google 搜索和 DALL-E 图像生成）并配置语言模型，实现了具备推理和行动能力的智能体。示例展示了如何调用预构建函数快速创建 Agent，并处理多模态任务。文章还涵盖了状态图的概念优势、ReACT 的工作循环机制以及部署时的注意事项，如版本兼容性和成…
系统介绍了大语言模型的发展历史、核心定义、架构原理及训练流程。内容涵盖从统计语言模型到 Transformer 的演进，详细解析了预训练、指令微调与 RLHF 对齐技术。同时探讨了模型在文本生成、代码辅助等场景的应用，并分析了量化、蒸馏等部署优化手段。最后总结了当前面临的幻觉、伦理及能耗挑战，展望了多模态融合的未来趋势。
详细解析了 LLM Agent 的九种核心设计模式，包括 ReAct、Plan and Solve、REWOO、LLM Compiler、Basic Reflection、Reflexion、LATS、Self-Discover 及 Storm。文章阐述了每种模式的原理、架构组成及适用场景，并通过代码逻辑梳理揭示了结构化 Prompt 在 Agent 规划与…
探讨了基于大模型构建本地知识库的技术方案，重点介绍了检索增强生成（RAG）架构。通过整合 LangChain、向量数据库和 Streamlit 框架，实现了从数据采集、处理、检索到展示的完整流程。文章详细阐述了文本切分、嵌入模型选择及相似度计算等关键技术细节，并提供了基于 Python 的代码示例。该方案有效解决了通用大模型在垂直领域的知识滞后与幻觉问题，提…
详细记录了在 Macbook Pro M2 Max 环境下本地部署 Meta Llama 3 大语言模型及集成 LangChain 框架的全过程。内容涵盖环境搭建、Ollama 安装、基础调用测试、RAG 检索增强生成应用构建以及 70B 大模型的部署与性能对比。文章重点解决了 Conda 权限、模型版本兼容性及 FAISS 依赖等常见技术问题，并分析了 A…
探讨了模版方法模式与大语言模型（LLM）的结合应用。通过 JavaScript 代码演示了如何在面向对象编程中实现模版方法模式，并利用 OpenAI API 将自然语言指令转化为结构化步骤。文章涵盖了基础集成示例、进阶的动态流程生成以及结合时的最佳实践，包括提示词工程、异步处理、错误处理和安全性考量。这种跨领域应用展示了如何利用 AI 增强软件设计的灵活性与…
综述了 AI Agent 的核心概念、架构设计及开源实践。AI Agent 是将 LLM 思想链接到一起，自主实现用户设定目标的系统，其核心在于目标设定、规划分解及迭代执行。主要组成部分包括感知、记忆、规划、执行和反思模块。规划策略涵盖思维链 CoT、思维树 ToT、ReAct 及 ReWOO 等方法。文中对比了 LLM 与 Agent 在训练方式、功能定位…
检索增强生成（RAG）技术通过整合外部知识库，有效解决了大型语言模型在特定领域知识缺失及生成幻觉问题。基于剑桥大学博士论文，探讨了 RAG 在多模态问答（VQA）中的应用，包括 RA-VQA 框架、FVQA 2.0 数据集构建、细粒度多模态检索器 FLMR 及 TableQA 中的检索策略。研究展示了联合训练检索器与生成器、引入对抗样本增强鲁棒性以及显式信号…
基于人类反馈的强化学习（RLHF）通过引入人类偏好优化大模型输出。其核心框架包含强化学习算法、行动、环境、观察和奖励机制。InstructGPT 训练分为三个阶段：监督微调（SFT）、奖励模型训练（RM）及 PPO 策略优化。该方法解决了传统训练在主观任务上的局限性，使模型更贴合人类意图。详细解析了 RLHF 的技术原理、实施步骤、PPO 与 KL 散度约束…
GraphRAG 是微软开源的结合知识图谱的检索增强生成技术。相比传统 RAG 仅基于文本块切片，GraphRAG 通过提取实体和关系构建全局知识图谱，能更准确回答复杂问题。 GraphRAG 的安装、配置、索引构建及查询方法，对比了全局与局部查询模式，并分析了使用本地大模型的优缺点。尽管构建成本较高，GraphRAG 在逻辑推理和跨文档关联分析方面具有显著…
Andrej Karpathy 指出大模型分词器存在类似 SQL 注入的安全漏洞。用户输入的特殊字符可能被解析为控制 Token，导致模型行为异常或指令混淆。文章分析了该漏洞的成因，包括特殊 Token 的自动添加与字符串解析冲突，并提供了在 HuggingFace 和 tiktoken 中的具体修复方案，如禁用自动添加特殊 Token 标志。此外还探讨了训…
