- 博客(269)
- 收藏
- 关注
RSS订阅原创 From Tranformer to Decoder ONLY
每个位置可以根据整个输入序列中的其它位置信息动态调整其表示。多头机制增强模型表示能力。将 Q, K, V 分为多个子空间（多个头），每个头独立计算注意力，再拼接合并。功能：将离散的输入序列（如词或Token）转换为连续的向量，并加入位置信息。多头注意力的优势在于模型能关注多个不同的语义子空间。可理解为对每个 token 表示的“激活变换”。
2025-06-24 21:33:15
385
1原创 PotPlayer 安装 madVR、LAV Filters 以提升解码能力和视频音频效果
PotPlayer 安装 madVR、LAV Filters 以提升解码能力和视频音频效果
2025-05-18 02:45:02
863
原创 01 LangChain--
OpenAI 的 API 无法联网的，所以如果只使用自己的功能实现联网搜索并给出回答、总结 PDF 文档、基于某个 Youtube 视频进行问答等等的功能肯定是无法实现的。所以，我们来介绍一个非常强大的第三方开源库：LangChain。LangChain 是一个用于开发由语言模型驱动的应用程序的框架。
2025-05-03 19:36:14
134
原创 下载各类开源软件时如何选择正确版本？X86、X86-64、X64、ARM64、AMD64、DMG 等是什么意思？
下载各类开源软件时如何选择正确版本？X86、X86-64、X64、ARM64、AMD64、DMG 等是什么意思？
2025-04-20 05:04:27
3481
原创 Linking Souls to Humans: Blockchain Accounts with Credible Anonymity for Decentralized Identity
1。
2025-04-15 03:51:36
213
原创 GPT4o 生图风格小全-- 吉卜力、、赛博朋克、简笔画、复古画、图案设计
GPT4o 生图风格小全-- 吉卜力、赛博朋克、简笔画、复古画、图案设计
2025-04-14 03:33:15
219
原创 为什么残差连接的网络结构更容易学习？ 为什么在 ResNet 为代表的各种网络结构中大都喜欢使用残差连接的设计，并声称这有利于网络的优化？
为什么残差连接的网络结构更容易学习？ 为什么在 ResNet 为代表的各种网络结构中大都喜欢使用残差连接的设计，并声称这有利于网络的优化？
2025-03-30 03:14:17
810
原创 SpringCloud
Spring Cloud Alibaba 是基于 Spring Cloud 扩展的，整合了阿里云的服务和中间件，比如 Nacos、Sentinel 等。
2025-03-22 16:01:42
196
原创 RAMQ 面试题
生产者可以自定义 Queue 的名字，且根据需要将消息投地到不同的 Queue 中。一个包含多个 Q 进程、Exchange 组件的消息对列就是所谓的RabbitmQ。每个 Queue 都设计为独立的进程，一个进程挂了，不影响影响其他进程正常工作。有些生产者想将消息发到一个 Q 中，有些则是发给多个 Q，甚至广播给所有 Q。单节点存在诸多问题，可以在多个服务器上，各自部署一个 RAMQ 实例。任意一台服务器上的一个 RAMQ 实例，就是一个。为了更好的管理不同种类的数据，可以提供多个队列。
2025-03-12 04:15:50
857
原创 如何阅读一篇论文
接下来我们要看一下 introduction 的第一句，第一句是他整个论文想去从事的一个方向，这也是整一段的 introduction 是最难写的一个部分，这个部分想描述的是作者对于整个他所研究的整个领域的全貌的一个描写。当我们看很多论文的时候，如果它的计算证明过程十分复杂，我们可以只记住他的结论，知道他的 idea 就可以了，而如果我们要引用的时候，就要去好好理解它内部的东西了，理解它每一个算法的意思，才能更好去运用。这里再强调一次，当我们遇到复杂的证明，先去了解它的目的，如果我们需要使用再去深究。
2025-02-21 00:25:49
270
原创 EFEVD: Enhanced Feature Extraction for Smart Contract Vulnerability Detection
函数执行到 require 之后， balances 之前时，6789-=6789-=6789-=攻击者调用 withdraw 函数，提取 1 Ether；假设，攻击者在合约 Dao 内存放有 1 Ether。
2025-01-02 23:55:31
289
原创 24ICLR_38th_Take a Step Back: Evoking Reasoning via Abstraction in Large Language Models
如下图所示，original question 是一个具体的物理问题，Step-Back Prompting 先让 LLM 进行抽象得到一个 StepBack Question，也就是“这个物理问题背后的物理定律是什么”，然后再去检索这个 StepBack Question 得到相关事实，然后基于以上信息去让 LLM 做 reasoning 得到 final answer。，然后再让 LLM 去解决那个包含了很多细节的具体的物理题目，可能效果就会更好，准确率更高。
2024-12-22 23:33:05
315
原创 25AAAI_39th_SCALM: Detecting Bad Practices in Smart Contracts through LLMs
25_39th_AAAI_SCALM: Detecting Bad Practices in Smart Contracts through LLMs
2024-12-18 20:14:26
542
原创 ACM latex模板中的CCSXML （即：CCS Concept）怎么填？
ACM latex模板中的CCSXML （即：CCS Concept）怎么填？
2024-12-04 17:33:12
1214
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人