高赔付资料

1、安達赫治VS科布倫斯        上半0:0,还有一红牌,全场1:0
2、貝豪森VS奧格斯堡           上半0:1,全场1:1
3、RKC華域克VS威廉二世      上半0:1,全场1:1
4、比達VS洛達                    上半0:1,全场0:2
5、荷華高斯VS精英隊           上半0:1,全场3:2
6、維迪斯VS川迪                 上半0:0,全场1:1
7、諾域治VS葉士域治           上半1:0,全场1:1
8、特利堡VS馬模                 上半2:0,全场2:1
9、切禾VS利禾奴                 上半0:1,全场2:1
10、皇馬B隊VS邦弗拉甸拿    上半1:0,全场3:1
11、艾拉維斯VS紐文西亞      上半1:2,全场2:2
12、阿爾巴塞特VS沙拉曼卡   上半1:0,全场1:1
13、域仙達利奧VS洛卡         上半1:1,全场1:1
14、阿利辛特VS費德列斯達   上半3:2,全场3:3
15、利恩VS奧特格寧蘭         上半1:0,全场3:1
16、白蘭恩VS華拿倫加         上半3:0,全场4:1
17、布魯日VS亨克               上半0:1,全场0:1
18、TPS杜古VS馬利漢姆      上半0:0,全场0:0

另外还有PSV燕豪芬、拖連奴、格拉茨、阿勞、費利拿、靴格拉斯、梅西亞、馬拉加、聖羅倫素、巴塞隆拿等场,早盘原来是高赔付,临场时变动为不是高赔付,所以放弃。
整个说来,高赔付导致早段进球的理论还是很好的,只有第1、6、18场上半没有进球,其中1、6两场下半如果能等到0.5/1的大球,再次介入,也是有收益的。第18场是整一个老鼠屎,坏了我一锅好菜。
第1场上半未进球的原因,KEN SIR昨晚已经分析过,上半的红牌化解了应该的进球。
第6场上半未进球,但下半进了2个,也还是能扳回的。
第18场,无语, 应该是因为小联赛而且成交量不足10万的原因吧??!!

总结教训:
1、高赔付的比赛尽量搞5大联赛及5大次级联赛,其它小联赛的成交量超过20万才搞。
2、投资策略调整为:可以走地的高赔付比赛上半大球0.5/1时下0.3手,到半球时未进球追加0.2手,高赔付的一旦出现上半大球未出时,A、等全场大球1/1.5高水时下0.3手,如果还能等得到大球0.5/1,再下0.2手,B、如果下半开场就进球,那么继续等到大球1.5时,下0.3手大球,争取能稍稍挽回点损失。
 
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,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 2
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