nlp

git学习仓库就是一个目录（文件夹），这个目录里面的所有文件都可以被git管理起来，共三种工作区域共四种文件状态

C嘎嘎嵌入式开发

NLP 入门：从原理到实战的个人经验总结自然语言处理（NLP）这两年因为 ChatGPT 火得一塌糊涂，但抛开热度，它本质上就做两件事：教计算机听懂人话，以及让计算机像人一样说话。

AI核心知识60——大语言模型之NLP（简洁且通俗易懂版）自然语言处理 (Natural Language Processing，简称 NLP) 是人工智能（AI）皇冠上最璀璨的一颗明珠。

ms-swift在训练时遇到的部分问题及解决方案虽然查找model.safetensors.index.json可以发现此参数确实存在，但当我的模型进行GRPO训练时就是会爆这个错误。模型先进行了SFT训练，再进行的GRPO训练，直接进行GRPO训练没问题。

GRPO参数详解actor_rollout.ref.rollout.n对于每个提示，采样 n 次。默认值为 1。对于 GRPO，请将其设置为大于 1 的值以进行分组采样。

来两个炸鸡腿

DW动手学大模型应用全栈开发 - (1)大模型应用开发应知必会动手学大模型应用全栈开发 - (1)大模型应用开发应知必会2021年9月，源1.0大模型发布，它采用76层的Transformer Decoder结构，使用5T数据训练，拥有2457亿参数量，超越OpenAI研发的GPT-3，成为全球最大规模的AI巨量模型，表现出了出色的中文理解与创作能力。

探索对称双向半桥LLC谐振变换器双向运行仿真模型对称双向半桥LLC谐振变换器双向运行仿真模型。模型采用闭环PI控制，频率控制方法。输出效果好，效率高。如展示图所示。 matlab/simulink

平凡之路无尽路

智能体设计模式：构建智能系统的实践指南欢迎来到《智能体设计模式：构建智能系统的实践指南》。本质上，智能体化系统是一种计算实体，旨在感知其环境（包括数字环境和潜在的物理环境），基于这些感知和一组预定义或习得的目标做出明智决策，并自主执行行动以实现这些目标。与遵循严格的分步指令的传统软件不同，智能体具有一定程度的灵活性和主动性。

平凡之路无尽路

google11月agent发展白皮书智能体是语言模型的自然演进，在软件领域实现了实用化落地。从预测性人工智能到自主智能体人工智能正在发生变革。多年来，行业焦点一直集中在擅长被动、离散任务的模型上：回答问题、翻译文本或根据提示生成图像。这种模式虽功能强大，但每一步都需要人类持续指导。如今，我们正见证一场范式转移——从仅能预测或生成内容的人工智能，迈向具备自主问题解决与任务执行能力的新型软件。

拆解国际大厂 Buck 型 DCDC 电路：LTC3542 的逆向探索之旅某国际知名大厂Buck型DCDC电路，LTC3542逆向电路，具有高转化效率，峰值电流模，输入2.5-5.5，输出0.6V，纹波较小，2.25MHZ的恒定频率，可以直接导入到cadence查看结构，轻载下有两种模式Burst和PSM，适合有一定电源管理基础的兄弟使用。学习方法是：可以直接查看里面的电路结构，还有管子的宽长比参数等。拿到原理图之后需要自己换成自己所持有的PDK就可以跑仿真了，国内大部分公司都是这样设计芯片产品的，参考价值非常大，整个芯片里面有非常多的模块，适合研究生没有项目的同学，可以拿

NLP从入门到精通自然语言处理（Natural Language Processing, NLP），是人工智能领域的一个重要分支。自然语言，指人类日常使用的语言（如中文、英文），NLP 的目标是让计算机“理解”或“使用”这些语言。

情节节点对齐（Narrative Anchor Alignment）——叙事学方法方法二：情节节点对齐（Narrative Anchor Alignment）——叙事学方法情节节点对齐（Narrative Anchor Alignment）是一种应用于具有明确结构的文本（如小说、电影脚本、传记、长文等）的方法，旨在对情绪变化进行细致分析。这种方法假设，尽管不同文章的情绪波动可能在不同段落中发生，但它们通常遵循相似的叙事模式。常见的情节节点包括：

基于 BiLSTM 的中文文本相似度计算项目实现在自然语言处理（NLP）领域，文本相似度计算是一项基础且重要的任务，广泛应用于问答系统、信息检索、推荐系统等场景。本文将介绍一个基于双向 LSTM（BiLSTM）的中文文本相似度计算项目，该项目能够量化评估两个中文句子的语义相似程度，输出 0-5 分的相似度分数（分数越高表示越相似）。项目已开源，我的github地址：jiapengLi11/BiLSTM_text_similarity

熊猫钓鱼>_>

PyTorch深度学习框架入门浅析PyTorch作为近年来最受欢迎的深度学习框架之一，以其简洁直观的API设计、强大的自动微分能力和灵活的动态计算图特性，迅速成为学术界和工业界的首选工具。本文将从PyTorch的核心概念出发，系统介绍其基础用法和实践案例，帮助读者快速掌握这一强大的深度学习框架。

LARGE LANGUAGE MODELS ARE NOT ROBUST ICLR2024LLM在回答多项选择题时存在选择偏差问题（模型依赖选项"A/B/C/D"而非内容本身作答，模型爱选C）

AI人工智能+

文档抽取技术通过融合CV、NLP与深度学习，实现了复杂文献的结构化转化在数字化转型的深水区，智慧图书馆的建设已超越简单的设备联网与资源数字化，其成败关键在于知识本体的构建能力。能否将非结构化的、多模态的海量文献，高效、精准地转化为机器可理解、可关联的结构化数据，成为衡量其“智慧”程度的核心标尺。在这一关键环节，中科逸视文档抽取技术凭借深度融合CV、NLP与深度学习的多模态理解能力，实质上扮演了“知识炼金术”与“数据骨架”的双重角色，已成为驱动智慧图书馆从概念走向落地不可或缺的技术支柱。

Meeting Summarizer Using Natural Language Processing论文理解论文链接本文主要介绍了几个常见的会议摘要生成技术。记住几个关键词：term frequency-inverse document frequency (TF-IDF) , PageRank algorithm, Topic Modeling Glove embedding

音画同步革命：IndexTTS2深度解析——B站开源的情感化+时长可控TTS新标杆在视频配音、虚拟主播、影视后期等核心场景中，音画不同步和情感表达生硬一直是 TTS 技术的两大痛点。传统自回归 TTS 模型虽能生成连贯语音，却难以精准控制时长，导致配音与画面节奏错位；而情感与音色的强绑定，又让个性化语音生成陷入千人一声的困境。由哔哩哔哩 IndexTTS 团队开源的 IndexTTS2，以情感表达 + 时长可控双核心突破，重新定义了零样本 TTS 的工业级标准。本文将从技术原理、核心特性、快速上手到落地场景，全面拆解这款专为音画协同设计的 TTS 利器。

基于昇腾平台的Qwen大模型推理部署实战：从模型转换到推理（含代码）基于昇腾平台的Qwen大模型推理部署实战：从模型转换到推理（含代码）本文目标：演示如何在基于GitCode平台的昇腾NPU服务器上，把一个轻量或中等规模的 vLLM（我们这里采用Qwen大模型）迁移、转换为昇腾可执行格式、部署推理服务，并给出一套可复现的测试、profiling 与初步调优流程。