<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[davisp520的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/davisp520</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; davisp520]]></copyright><item><title><![CDATA[如何使用MCP开发一个客户端和服务端]]></title><link>https://blog.youkuaiyun.com/davisp520/article/details/148458993</link><guid>https://blog.youkuaiyun.com/davisp520/article/details/148458993</guid><author>davisp520</author><pubDate>Thu, 05 Jun 2025 21:10:57 +0800</pubDate><description><![CDATA[模型上下文协议（Model ContextProtocol）是一种专为大语言模型设计的标准化协议，它允许LLM以安全、一致的方式与外部系统交互。MCP协议常被描述为"AI的USB-C接口"，提供了一种统一的方式连接LLM与它们可以使用的资源。资源（Resources）：类似于GET端点，用于将信息加载到LLM的上下文中工具（Tools）：类似于POST端点，用于执行代码或产生副作用提示（Prompts）：可重用的LLM交互模板上下文（Context）：提供额外的交互功能，如日志记录和进度报告。]]></description><category></category></item><item><title><![CDATA[语义图像反转与编辑新突破：基于整流随机微分方程]]></title><link>https://blog.youkuaiyun.com/davisp520/article/details/143602116</link><guid>https://blog.youkuaiyun.com/davisp520/article/details/143602116</guid><author>davisp520</author><pubDate>Thu, 07 Nov 2024 17:22:46 +0800</pubDate><description><![CDATA[从通过受控ODE得到的结构化噪声(y_1)出发，构建反向ODE(dX_t = [v_t(X_t)+\eta(v_t(X_t|y_0)-v_t(X_t))]dt)，(\eta)控制图像的忠实性和可编辑性。\varphi))近似边际向量场(u_t(y_t))，通过流匹配目标训练神经网络。整流流通过构建源分布(q_0)（通常为标准高斯分布(N(0, I))和时变向量场(v_t(x_t))，利用ODE(dX_t = v_t(X_t)dt)从(X_0 sim q_0)采样目标分布(p_0)（如图像分布）。]]></description><category></category></item></channel></rss>