算法

[LLM]AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning让多模态大语言模型（MLLMs）跑得更快、更省资源，而且不需要重新训练模型。输入：视觉数据（图像或视频）和文本提示（Text Prompts）。任务：多模态理解与推理任务，比如视频问答（VideoQA）、图像描述等。模型需要理解视觉内容并根据文本指令做出回答。形式：这是一个**无需训练（Training-free）**的推理加速框架，即插即用。流程：视觉编码后：在视觉Token进入大语言模型（LLM）之前，先根据相似度合并一部分。LLM推理中：在LLM的层与层之间，根据重要性逐步丢弃（剪

算法选型 + 调参避坑指南这份指南聚焦实用选型策略和核心参数调参技巧，结合项目落地场景（含嵌入式/车载系统轻量化需求），帮你快速选对算法、避开常见坑。

【算法】分治-归并类题目类似于分治快排，归并是从底下往上递归排序，快排是先解决当前部分再往下排，两个的顺序是反的~本质上就是依靠“排序数组 + 元素的相对位置不变”的逻辑，从而优化计算逆序对的策略，使其时间复杂度由单个遍历元素的 o ( N 2 ) o(N²) o(N2) -> o ( 1 ) o(1) o(1)

统计学基础之概率（生物信息方向）概率论是数学中一个核心的分支，广泛应用于各个领域，尤其是在生物信息学中，它为数据分析提供了强大的理论基础。生物信息学中的数据通常包含大量的随机性，例如基因突变、基因表达、疾病发生等，这些现象都可以用概率模型进行描述。理解概率及其分布特性，对于进行科学推断和数据分析至关重要。本章将从概率的基本概念到概率分布的应用，全面阐述概率在生物信息学中的应用，帮助读者理解如何运用概率理论分析和解释生物数据。

再__努力1点

【77】积分图像：快速计算矩形区域和核心逻辑本文从Python开发者视角解析「积分图像」技术——1984年由Frank Crow提出的预处理方法，通过一次遍历生成积分图，即可用常量时间计算任意矩形区域的像素和，彻底解决图像处理中反复计算区域和的性能痛点。我们用直观例子讲清原理，再通过Python代码演示落地，帮你理解它在模糊、检测等任务中的加速魔法。

Day22: 贪心算法 | 区间问题，左/右端点排序只按右端点排序（左端点大小无所谓），射在右端点，尽可能多射到气球和上一题一样，这俩题本质是一道题，也是只按右端点排序，重叠则删除右端点大的区间，这样可以尽可能避免重叠。

LLM（Large Language Model）系统学习路线清单

力扣hot100：寻找旋转排序数组中的最小值本题可以借用二分查找的思路：设 x=nums[mid] 是现在二分取到的数。我们需要判断 x 和数组最小值的位置关系，谁在左边，谁在右边？把 x 与最后一个数 nums[n−1] 比大小：

胖咕噜的稞达鸭

算法日记专题：位运算II（只出现一次的数字I II III 面试题：消失的两个数字比特位计数）🎬 胖咕噜的稞达鸭：个人主页本专题的前缀文章：算法日记专题：位运算I（汉明距离I II 面试题：判断是不是唯一的字符丢失的数字两个整数相加）

图的存储n是节点完全图：每两个顶点之间都有一条边连接边数：n(n-1)/2 完全有向图：每两个顶点之间都有两条边连接边数：n(n-1) 树的边数：(n-1) 连通图：从某个顶点出发，可以到达其余任意顶点非连通图：从某个顶点出发，至少有一个顶点无法到达

深入解析 JVM 垃圾回收算法：经典 vs 新型 GC 算法垃圾回收（Garbage Collection，GC）是 Java 程序中非常重要的部分，涉及到内存的自动管理。不同的垃圾回收器（GC）使用不同的算法来完成内存回收任务。随着 Java 版本的更新，垃圾回收算法也在不断演进，特别是 JDK 1.8 之后，引入了新的 GC 算法，比如三色标记法和 ZGC 等。

就起这名行不行

一天训练即SOTA！LLaVA-1.5：多模态AI的“性价比之王”全解析导语：今天是 2025年12月21日，周日。眼瞅着2025年的“余额”只剩最后一些日子，马上就要过年了！大家是不是都在忙着赶年前的最后并在 KPI，或者已经开始憧憬即将到来的春节假期了？

我把 GPT 当成 Runtime 用：只用一个客户端，跑一个可控、可审计的投资决策 DEMO不用 API 不写后端不靠 Prompt 技巧在 GPT 客户端里，实现一个“能复跑、能审计”的决策流程

PyTorch｜BatchNorm 的两种方差在阅读 PyTorch 的 BatchNorm1d 文档时，你可能会注意到这样一句话：训练阶段前向传播中使用的方差是 biased estimator（unbiased=False），而存入 running_var 的却是 unbiased estimator（unbiased=True）。

面试常考的最长递增子序列（LIS），到底该怎么想、怎么写？面试官轻描淡写地抛出一句：“给定一个数组，求它的最长递增子序列长度。”你以为这是送分题？结果一写代码才发现——

在duckdb 递归CTE中实现深度优先搜索DFS原帖地址 https://github.com/duckdb/duckdb/discussions/15386

摩擦电纳米发电机近期进展的理论脉络梳理：从接触起电到统一建模与能量转换目录1 引言2 理论知识与技术基础2.1 接触起电的物理图景：从界面电子交换到宏观面电荷2.2 静电感应与位移电流：TENG输出电流的根本来源

xiaolang_8616_wjl

c++超级细致的基本框架一个超级细致的基本框架，可以说是只要会看得懂中文就可以做注释比代码还多，为新手定制的#include <bits/stdc++.h>//----基本框架-万能头文件(不能删) using namespace std;//----基本框架-命名空间(不能删) using ll = long long;//----基本框架-long long -> ll //定义变量 "int/long long/string/float/double/bool（选一个）" + 变量名(英文字母、数字(要的话写英文字母后))

大模型原理剖析——拆解预训练、微调、奖励建模与强化学习四阶段（以ChatGPT构建流程为例）大语言模型（如ChatGPT）的“智能”并非一蹴而就，而是通过分阶段的精细化训练逐步实现的。本文基于课程内容，拆解ChatGPT的四阶段构建流程，解析每个环节的核心逻辑与技术细节。