为视觉语言多模态模型进行偏好优化 训练模型使得它能够理解并预测人类偏好是一项比较复杂的任务。诸如 SFT (Supervised finetuning) 的传统的方法一般都需要耗费较大成本，因为这些算法需要对数据打上特定的标签。而偏好优化 (Preference Optimization) 作为一种
定义 简单工厂模式（Simple Factory Pattern）是一种创建型设计模式，它定义一个用于创建对象的接口，但由一个单独的类来实现实际创建的工作。简单工厂模式通过在一个类中集中管理对象的创建过程，可以减少客户端与具体类之间的耦合，使得代码结构更加清晰和易于维护。通过专门定义一个类来负责创建
需求场景 按着惯例，还是以一个应用场景作为代理模式的切入点。现在有一个订单系统，要求是:一旦订单被创建，只有订单的创建人才可以修改订单中的数据，其他人则不能修改。 基本实现思路 按着最直白的思路，就是查询数据库中订单的创建人和当前Session中的登录账号ID是否一致。 class Order {
定义 装饰模式（Decorator Pattern），又称为包装模式，是一种结构型设计模式。它允许在不改变现有对象结构的情况下，动态地添加新的功能。通过将每个功能封装在单独的装饰器类中，并且这些装饰器类通过引用原始对象来实现功能的组合，从而提供了灵活性和可扩展性的优势。装饰模式避免了通过继承方式增加
如何减少Host Bound模型的Device空闲时间，从而优化模型执行性能显得尤其重要，GE（Graph Engine）图引擎通过图模式的Host调度和模型下沉调度的方式，可提升模型调度性能，缩短模型E2E执行时间。
在一些报表模块中，需要我们根据用户操作的名称，来动态根据人员姓名，更新报表的签名图片，也就是电子手写签名效果，本篇随笔介绍一下使用FastReport报表动态更新人员签名图片。
目录前言使用简单工厂改进使用注册表改进参考文章 前言 在上一篇文章中我们提到了抽象工厂模式初版代码的一些缺点：①客户端违反开闭原则②提供方违反开闭原则。本文将针对这两点进行讨论 使用简单工厂改进 对于缺点①，我们可以使用简单工厂的思路来改进抽象工厂的初版代码。对于上一篇文章中的例子，我们去除Came
之前我们聊过如何使用LangChain给LLM（大模型）装上记忆，里面提到对话链ConversationChain和MessagesPlaceholder，可以简化安装记忆的流程。下文来拆解基于LangChain的大模型记忆方案。
前言 大语言模型的应用之一是与大语言模型进行聊天也就是一个ChatBot，这个应用已经很广泛了。 接下来的一个应用就是AI Agent。 AI Agent是人工智能代理（Artificial Intelligence Agent）的概念，它是一种能够感知环境、进行决策和执行动作的智能实体，通常基于机
目录背景抽象工厂模式优点与缺点参考文章 背景 现在我需要开发一个相机操作模块，它可能在Windows下运行，也可能在Linux下运行。由于在厂家提供的SDK中，Windows下的SDK和Linux下的SDK是有区别的，因此对于一个品牌的相机，我们要创建两个类去封装这两个不同平台下的API。 我们先使
在SemanticKernel的入门例子中： // Import packages using Microsoft.SemanticKernel; using Microsoft.SemanticKernel.ChatCompletion; using Microsoft.SemanticKerne
压力测试模版 版本历史 版本号 修订内容 修改人 内容摘要： 结合渠道测试特色，介绍渠道压力测试报告中，应包含且不限于文档中的压测信息点。 压测结论及分析： 1.压测结论： 压力测试是否达标，说明详细的达标情况，目标TPS值，等。 2.压测分析： 压测瓶颈点，及产生的原因 压测过程中，发现的其他结论
作者：小牛呼噜噜 大家好，我是呼噜噜，由于x86保护模式是比较复杂晦涩的，所以特地单拉出来，实模式和保护模式一个重要的更新就是对内存的管理与保护，并且随着软件的发展，为了极致地压榨CPU的性能，硬件和软件都做出了许多努力，为了更好的管理内存，引入分段，分页，段页等等。本文会沿着内存的主线，穿插于实模
煤矿安全大模型————矿途智护者 使用煤矿历史事故案例，事故处理报告、安全规程规章制度、技术文档、煤矿从业人员入职考试题库等数据，微调internlm2模型实现针对煤矿事故和煤矿安全知识的智能问答。 本项目简介： 近年来，国家对煤矿安全生产的重视程度不断提升。为了确保煤矿作业的安全，提高从业人员的安
1、前言 在6.28/29的稀土掘金开发者大会RAG专场上，我们公司CEO员外代表TorchV分享了我们在《RAG在企业应用中落地的难点与创新》 其中最后分享了两个观点： AI在应用场景落地时有三个特点：功能小、质量高、价值大 如果说做产品是把一横做好的话，那么去做企业落地服务就是一竖，从需求和方案
在学习Transformer这个模型前对seq2seq架构有个了解时很有必要的 先上图 输入和输出 首先理解模型时第一眼应该理解输入和输出最开始我就非常纠结 有一个Inputs，一个Outputs(shift right)和一个Output Probabilities，首先需要借助这三个输入/输出来
本文详细介绍了python 无监督生成模型，主要介绍了无监督生成模型是生成对抗网络（Generative Adversarial Networks, GANs）的方法。
只有让LLM（大模型）学会使用工具，才能做出一系列实用的AI Agent，才能发挥出LLM真正的实力。本篇，我们让AI Agent使用更多的工具，比如：外部搜索、分析CSV、文生图、执行代码等。
构建机器学习模型的关键步骤是检查其性能，这是通过使用验证指标来完成的。 选择正确的验证指标就像选择一副水晶球：它使我们能够以清晰的视野看到模型的性能。 在本指南中，我们将探讨分类和回归的基本指标和有效评估模型的知识。 学习何时使用每个指标、优点和缺点以及如何在 Python 中实现它们 1 分类指标
本文详细介绍了Python中使用MySQL模糊查询的两种方法，一种是使用pymysql库的方法，另外一种是使用mysql-connector-python库的方法。
