Think in java读书笔记

本文探讨了Java中的流程控制语句,包括条件判断、循环结构等,并详细解析了对象引用的工作原理及其在实际编程中的应用。文章还讨论了特定场景下Integer对象的equals方法行为及位操作符的使用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第三章:流程控制


1、几乎所有的运算符都只能作用于primitive。但“=”、“==”、“!=”是例外,它们可以运用于所有对象,此外,String类也支持“+”和“+=”。
   (chap3,P2)


2、Reference变量的赋值,会使表达式左边的reference丢失原来的对象,原来的对象成了没有reference的内存垃圾。
   (chap3,P3)


3、Java的书籍总是强调Java没有地址传递,但我觉得reference传递就是地址传递。


4、Integer n1 = new Integer(47);
   Integer n2 = new Integer(47);
   System.out.println(n1.equals(n2));
   打印的结果是true,不要认为理所当然就是这样,其实,equals比较的是reference,这里是两个reference,显然不会相等,之所以输出true,是因为Integer类中已经对equals函数
   做了处理,如果是自己写的类,而没有重载equals,那么打印的肯定是false。
   (chap3,P11)


5、Java提供了位操作符,但我觉得没有必要使用它。
   (chap3,P15)


6、在Java中,逗号运算符只能用在for循环中。
   (chap3,P37)


7、switch只能用char、byte、short、int。
   (chap3,P43)
资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值