博客作者
这位作者暂未填写个人简介。
165
已发布文章
0
博客获赞
4K
博客浏览
第 7 页
鸿蒙（HarmonyOS）应用开发的完整学习路线及核心资料概览。内容涵盖从零基础入门、ArkTS 语言基础、ArkUI 声明式开发、Web 组件集成到 Stage 与 FA 应用模型的全方位技术要点。旨在帮助开发者快速掌握鸿蒙生态下的核心技能，理解系统架构与开发流程，抓住行业新机遇。文章详细拆解了开发准备、资源管理、状态管理、多媒体、网络、数据管理及测试等关…
详细解析了人工智能大模型在数字化营销中的三种核心应用模式：副驾驶（Copilot）、嵌入（Embedding）和智能体（Agent）。副驾驶模式侧重人机协作，适用于客服、文案生成等辅助场景；嵌入模式将模型融入核心流程，用于商品描述、个性化推荐等功能增强；智能体模式则赋予模型自主决策能力，应用于动态定价、自动投放等高阶场景。文章对比了各模式的优缺点与技术实现要…
生成式 AI 在企业运营中展现出显著价值，涵盖情感舆情分析、财务多模态报表解读、智能客服质检及内容合规审核等场景。大模型凭借长上下文处理能力、Agent 自动化决策及多模态识别优势，解决了传统机器学习在信息提取与总结上的局限。文章结合 AWS Bedrock 等平台案例，分析了不同模型（如 Claude 3 系列）的特性差异，指出企业应依据具体业务需求选择合…
大型语言模型（LLM）的基本概念及提示工程（Prompt Engineering）的核心作用，重点阐述了如何通过 Coze 低代码平台从零构建一个 AI 英语口语陪练机器人。内容涵盖 Bot 创建、人设与回复逻辑构建、插件扩展、语音交互优化及发布部署等关键步骤，并补充了常见问题排查与优化建议，旨在帮助开发者快速掌握 AI 应用开发技能。
基于 Transformer 架构的时间序列长期预测方法。涵盖模型原理、参数配置、训练流程及滚动预测实现。通过 PyTorch 实现编码器 - 解码器结构，利用自注意力机制捕捉长依赖关系。内容包含数据预处理、模型定义、超参数调整及结果可视化分析，同时探讨了原始 Transformer 的局限性与改进方向，为实际业务场景提供可落地的代码参考与理论支持。
演示了如何利用大语言模型（LLM）自动从文本中提取实体与关系，并将其存储至 Neo4j 图数据库中。通过白雪公主的故事作为案例，展示了从非结构化文本到结构化图数据的转换流程，包括提示词设计、Python 脚本实现及 Cypher 查询验证，帮助读者理解知识图谱构建的基本方法。
Meta 提出一种新的 LLM 训练方法，允许模型在一次前向传播中同时预测多个 token 而非仅下一个 token。该方法通过增加额外的输出头，利用共享的主干网络来预测后续 k 个标记。实验表明，在编码等对语法准确性要求高的任务上，该模型显著优于标准架构，同时在文本生成速度上实现了约三倍的提升。这种多 token 预测机制有助于模型更好地捕捉局部模式和上下…
UC 伯克利 NovaSky 团队发布 Sky-T1-32B-Preview 推理模型，训练成本低于 450 美元。该模型在数学和编码基准测试中表现媲美 OpenAI o1 早期版本，并开源了数据集、代码及权重。技术细节包括使用 QwQ-32B-Preview 生成合成数据、拒绝采样优化质量、基于 Qwen2.5-32B 微调。研究发现模型大小和数据混合对推…
LoRA 是一种参数高效的微调技术，通过在密集层插入低秩矩阵减少参数量。文章综述了 LoRA 在预训练、持续训练及下游任务中的应用，涵盖打破低秩瓶颈、动态秩分配、优化学习过程等改进方案。此外还讨论了跨任务泛化、效率提升（量化、并行）、联邦学习场景下的应用，以及在语言、视觉和多模态任务中的实践案例。
大模型应用开发涉及 GPT-4 原理、API 集成、提示工程、模型微调及 LangChain 框架等核心技术。文章详细介绍了 Transformer 架构基础、Python 代码调用示例、提示词优化技巧（如思维链、少样本）、LoRA 微调流程以及 LangChain 组件（Chains、Agents、Memory）的应用场景。同时强调了 AI 幻觉风险、数据…
探讨了吴恩达提出的四种 LLM Agent 工作流 Prompt 设计核心，涵盖规划（ReAct/CoT）、反思（Reflexion）、工具调用及多智能体协作。重点强调了示例（Example）在 Prompt 中的必要性，以及通过强化指令和多角色分工提升模型表现的方法。内容包含具体代码示例与最佳实践，适用于 AI 应用开发与提示词工程优化。
基于 Firefly 框架对 Qwen 大模型进行 QLoRA 微调的完整流程。内容包括环境配置、训练参数详解、数据格式准备与转换、训练命令执行以及推理测试代码。重点讲解了因果语言模型的 Attention Mask 机制在多轮对话训练中的应用，并提供了显存优化、Loss 不下降等常见问题的解决方案，帮助开发者在有限算力下高效完成垂直领域模型的适配与部署。
探讨了开源语言大模型（LLM）的核心定义及其重要性。文章分析了开源的四个维度：权重、数据集、训练代码及基础设施，并阐述了真正开源带来的四大价值：社区监督与安全对齐、模型重构与科研复现、企业自托管与定制部署、以及作为专有化模型的基础。文中指出，虽然开源模型在通用能力上可能不及闭源巨头，但其灵活性、隐私保护和低成本微调特性使其在垂直领域和专有化场景中具有巨大潜力…
探讨了程序员如何通过优化时间管理、生理状态及工作习惯来提升效率。主要涵盖避免早晨开会以保护专注力、利用心流状态替代番茄钟、休息时阻断视觉输入、外出就餐促进血清素分泌、适度午睡恢复精力、下午运动唤醒身体、采用 2 分钟法则与 30 秒决断减少拖延、保证充足睡眠拒绝无效加班、睡前两小时保持放松以及周末维持生物钟规律等十个方面。通过科学调整作息与工作节奏，打破低效…
大模型面试中的常见问题与解答，涵盖基础架构、进阶微调、LangChain 应用、分布式训练及推理优化五大板块。内容包括主流开源模型体系、Transformer 架构详解、Tokenizers 原理、模型幻觉解决方案、SFT 指令微调数据构建、LoRA 等参数高效微调技术、RAG 检索增强生成框架、LangChain 核心组件、分布式训练策略（数据/张量/流水…
盘点了 2025 年值得关注的 10 个工业大模型，涵盖中国联通元景、中国移动九天、科大讯飞羚羊、网易伏羲、浪潮智产、卡奥斯 COSMO-GPT、中工互联智工、创新奇智奇智孔明、思谋科技 IndustryGPT 及豫信电科中原智造。文章分析了各模型的技术特点、应用场景及行业价值，探讨了多模态融合、端云协同、机理与数据双驱动等技术趋势，并指出了数据孤岛、安全隐…
RAG（检索增强生成）通过检索外部数据增强大模型生成效果。核心流程包括数据处理、特征提取、检索召回及结果生成。 RAG 发展历史、数据预处理策略（结构化与非结构化）、Embedding 模型选择（对称/非对称语义）、检索方法（向量/关键字/混合）以及生成阶段的 Prompt 优化。涵盖 LangChain 实现示例、分块技巧、混合检索策略及评估指标，为构建企…
提供了一份系统的大语言模型学习路线，涵盖从 NLP 基础、Hugging Face 工具链、模型微调到项目实战的全流程。内容分为四个核心模块：Hugging Face 平台入门、大模型基础概念、实践项目测验及 NLP 理论基础，并补充了 AI 产品经理视角的应用开发路径。学习建议遵循理论与实践 1:2.5 的比例，强调 Transformer 架构、Prom…
Agent 框架调研涵盖了 19 类主流 Agent 框架，分为单智能体与多智能体架构。内容解析了 Agent 基础概念、决策模型如 ReAct，并详细对比了 BabyAGI、AutoGPT、MetaGPT、AutoGen 等框架的特性。文章探讨了任务规划、工具调用、记忆管理及协作模式差异，总结了多智能体架构的优缺点及未来演进方向，为技术选型提供依据。
Python 中实现三位数水仙花数判断与求解的完整方法。内容涵盖水仙花数的数学定义、算术运算与字符串处理两种核心提取思路、三种不同风格的代码实现方案（用户交互判断、批量查找、列表推导式），以及针对 n 位数的通用扩展算法。文章还补充了常见的编程误区、调试技巧及性能分析，旨在帮助初学者掌握基础算法逻辑并编写健壮的 Python 代码。
