博客作者
技术分享博主
351
已发布文章
9K
博客获赞
342K
博客浏览
第 16 页
网络安全领域常用的 Python 工具与库，涵盖网络数据包处理、调试逆向、模糊测试、Web 安全、数字取证及 PDF 分析等多个方向。包含 Scapy、Impacket、Frida、Volatility 等知名项目，并列举了相关参考书籍与课程资源，旨在为白帽黑客及安全研究人员提供实用的技术栈清单。
Windows 系统下 Python 安装流程包含访问官网下载、配置环境变量、选择安装路径及命令行验证等关键步骤。详细说明了从下载安装包到确认环境可用的完整操作过程，帮助初学者快速搭建开发环境。
网络安全领域常用 30 个工具涵盖封包分析、漏洞扫描、渗透测试、无线破解、Web 安全及系统审计等方向。包括 Wireshark、Metasploit、Nmap、BurpSuite 等知名软件，适用于信息收集、漏洞检测、攻击模拟及日志分析场景，助力安全人员提升攻防效率。
一篇由前微软及 Facebook 首席数据科学家撰写的 Transformer 入门教程。教程从独热编码、点积和矩阵乘法等基础概念入手，通过可视化方式讲解序列模型与注意力机制原理。内容涵盖一阶至二阶序列模型、多头注意力机制、位置编码及层归一化等核心模块，旨在帮助初学者理解 Transformer 架构并尝试构建模型。适合希望深入理解深度学习底层逻辑的开发者参…
涵盖 Java 基础、集合、多线程、JVM 以及 Android 四大组件、UI 绘制、性能优化、IPC、系统 SDK、设计模式、网络协议和 Kotlin 特性等核心面试题。内容包含详细的技术解析与原理说明，旨在帮助开发者系统复习面试知识点，提升技术深度与广度，适用于中高级 Android 工程师求职准备。
蜜罐是一种主动防御技术，通过暴露诱饵吸引攻击者以捕获和分析攻击行为。文章介绍了蜜罐的定义、工作原理、低中高交互分类及研究现状，分析了其静态性、漏洞风险等缺点。重点讲解了开源蜜罐 Hfish 的架构、应用场景、部署注意事项及实际操作流程，包括节点配置、服务模板定制和告警查看，为企业内网失陷检测和外网威胁感知提供实践参考。
精选了十二本大模型技术相关书籍，涵盖理论基础、工程实践、多模态应用及 Agent 开发等领域。内容包括《大规模语言模型：从理论到实践》《LangChain 入门指南》等经典著作，解析预训练、微调、RAG 及扩散模型核心技术。适合希望系统构建 LLM 知识体系的研究人员与开发者参考。
清华大学发布 SuperBench 大模型综合能力评测报告，从五大维度对 14 个海内外代表性模型进行评估。报告显示，国内文心一言 4.0 在中文推理、语言理解及安全价值观表现上领先，尤其在安全维度排行第一。同时，Claude-3、GPT-4 Turbo、GLM-4 等国际模型表现亦十分突出，前 5 名主要由这几款模型占据。评测表明国产大模型在中文场景已具备…
大模型时代人工智能核心技术书籍精选。收录九本经典著作，涵盖人工智能基础、增强现实、深度学习、机器学习、强化学习、机器人学及数据挖掘等领域。内容涉及神经网络、计算机视觉、NLP 及云端 AI 落地实践。旨在帮助开发者构建坚实技术底座，从理论认知到 Python 实战，再到复杂系统开发，提供系统性学习路径与资源指引。
大语言模型是基于海量数据训练的深度学习模型，旨在理解和生成自然语言文本。其核心机制涉及提示词引导、令牌分割及语义嵌入向量。训练流程包含无监督预训练和有监督微调，依赖 Transformer 架构捕捉长距离依赖。模型通过 API、SDK 或云服务平台化输出，支持文本生成、翻译及问答等任务。理解其原理对开发智能应用至关重要。
Android 应用稳定性优化涉及多维度指标监控与全链路治理。核心指标包括崩溃率、ANR、PV/UV 及增量存量区分。处理流程涵盖现场数据采集（堆栈、内存、系统状态）与原因分析（单点突破、群体聚合）。治理策略贯穿开发、测试、合并、发布及运营各阶段，强调质量左移与自动化。高可用性建设需结合业务监控、报警策略及客户端容灾方案（如开关、热修复）。通过系统化优化，可…
阐述了 Android 性能优化的重要性及其对用户体验的影响，详细解析了启动速度、内存管理、UI 渲染、网络存储、构建系统及稳定性六大核心优化领域。内容涵盖行业头部企业的实战经验，包括腾讯、字节、阿里、美团等公司的技术方案，为开发者提供了从理论到实践的系统性指导，旨在帮助工程师掌握底层原理，提升应用质量。
面壁智能推出 ChatDev 平台，利用 AI 智能体协作实现快速软件开发。通过 ChatChain 架构，模拟产品经理、程序员等角色自动完成任务。底层依托自研 CPM-Cricket 大模型，在逻辑与代码能力上表现优异。结合 AgentVerse 和 XAgent，构建智联网愿景，降低开发门槛，提升效率。
OpenAI 发布最新旗舰模型 GPT-4o，这是一款支持文本、视觉和音频的原生多模态大模型。相比以往分离式的语音处理管道，GPT-4o 采用端到端统一架构，显著降低了响应延迟至 232 毫秒，并具备实时情绪识别与跨语言翻译能力。该模型在编程和非英语任务上性能提升明显，API 成本降低 50%。文章详细分析了 GPT-4o 的技术架构创新、性能对比数据及其对…
介绍微软开源的 GraphRAG 项目，通过提取实体和关系构建知识图谱来增强大模型检索能力。内容涵盖环境搭建、配置修改、索引构建流程以及图谱查看方法。文章结合《红楼梦》案例演示了局部检索与全局检索的具体用法，并分享了处理 Token 限制和 Embedding 模型兼容性的实战经验，旨在帮助开发者利用结构化数据提升 LLM 问答质量。
深入解析了 Llama3.1、DeepSeek-V3、TÜLU 3 及 Qwen2.5 等大模型的后训练（Post-Training）关键技术。内容涵盖 SFT 数据构建与清洗、Preference Data 的迭代积累、Reward Modeling 与 DPO 的优化细节，以及 GRPO 和 RLVR 等强化学习算法的实践。文章对比了不同模型在算法选择、…
vLLM V1 架构针对 V0 版本在推理过程中的 CPU-GPU 同步瓶颈进行了重构。通过引入异步调度机制，实现计算与调度的重叠；采用状态化 Worker 减少数据传输开销；独立 Detokenizer 进程解耦解码任务。这些改进显著提升了 GPU 利用率，解决了技术债问题，使 vLLM 重回高性能开源推理引擎第一梯队。
深度学习模型从数据准备到最终部署涉及多个关键环节。详细阐述了数据验证、清洗、可视化、架构设计、超参数调整、训练过程、评估、推理及部署的九个核心步骤。通过引入 PyTorch 实战代码示例，展示了如何构建数据加载器、定义神经网络模型、执行训练循环以及进行模型导出与部署。内容涵盖从理论指导到工程落地的完整流程，旨在帮助开发者建立规范的深度学习工作流，确保模型在真…
对无项目经验者转行 AI 产品经理提供路径。首先需掌握 AIGC 基本概念、技术基础及应用场景，理解 Transformer 与扩散模型原理。其次通过实际使用 AIGC 工具积累体验，并制定系统学习路线涵盖提示词工程、平台开发及微调技术。核心在于构建虚拟项目经验，如利用 LangChain 搭建问答系统，关注行业落地方案，提升对数据、算力及业务场景的理解，从…
Transformer2 提出了一种针对大语言模型自适应能力的新框架，核心在于奇异值微调（SVF）技术与三种自适应策略的结合。SVF 通过调整权重矩阵的奇异值，以极少的参数实现高效微调，有效避免了过拟合与灾难性遗忘。实验表明，该方法在数学、代码及视觉问答等任务上性能显著优于 LoRA，且具备跨模型兼容性。文章详细阐述了其技术原理、实验结果及未来在边缘设备部署…
