<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00106的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_00106</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_00106]]></copyright><item><title><![CDATA[whisper-large-v2-gguf语音识别常见问题大全：新手避坑FAQ与排查清单]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/169254318</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/169254318</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 21:09:05 +0800</pubDate><description><![CDATA[whisper-large-v2-gguf 是基于 OpenAI Whisper large-v2 转换的 **GGUF 语音识别模型合集**，用于本地语音转文字、多语言转录与语音翻译。本文汇总新手使用 whisper-large-v2-gguf 做本地语音识别时最常踩的坑：量化版本怎么选、音频格式为何必须是 16 kHz 单声道 WAV、识别不准和"幻觉"的原因，并附上一份可直接照做的排查清单，]]></description><category></category></item><item><title><![CDATA[数据从哪来？Olmo-3.1-32B-Instruct-DPO背后的Dolma 3与Dolci-Instruct-DPO数据集解析]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/151537883</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/151537883</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 21:00:01 +0800</pubDate><description><![CDATA[**Olmo-3.1-32B-Instruct-DPO** 是 Allen Institute for AI（Ai2）开源的 Olmo 3 系列大模型，一个 32B 参数的指令对话模型。它之所以“聪明”，关键就在数据：模型先在 **Dolma 3** 海量语料上完成预训练，再用 **Dolci-Instruct-DPO** 偏好数据集做对齐微调。本文将带你拆解这套数据集从哪来、长什么样，以及它们在]]></description><category></category></item><item><title><![CDATA[5分钟跑通AuK-Base-and-Flash-GGUF：audio.cpp本地部署与零样本语音克隆快速上手]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/165889610</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/165889610</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 20:23:46 +0800</pubDate><description><![CDATA[AuK-Base-and-Flash-GGUF 是腾讯 AuK 音频模型官方 GGUF 量化包，配合 [audio.cpp](https://github.com/0xShug0/audio.cpp) 即可在本地完成**零样本语音克隆、指令TTS和语音编辑**。全程无需 Python 环境，一条命令跑通 🎙️

## 一、这是什么：本地语音克隆的"免 Python"方案

这个仓库把腾讯 AuK]]></description><category></category></item><item><title><![CDATA[cn-math-taxonomy：免费知识图谱，自适应诊断指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/162009138</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/162009138</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 20:04:43 +0800</pubDate><description><![CDATA[如果你想知道孩子数学、英语、物理到底弱在哪里，cn-math-taxonomy 是一个给中小学家长和老师的免费本地化工具。它把 2313 个知识点连成一张先修知识图谱，用自适应诊断从当前年级一路回溯到小学，找出薄弱根因，并按顺序给出补差清单。

## 孩子学不会「配方法」，问题可能不在九年级

孩子上九年级，学到一元二次方程，配方法怎么都学不进去。你让他多练，他确实练了，还是不会。这类「卡壳」往往]]></description><category></category></item><item><title><![CDATA[如何玩转Air-26B-A4B的思考模式：thinking开关对推理质量的影响]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/170558005</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/170558005</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 19:54:24 +0800</pubDate><description><![CDATA[Air-26B-A4B 是 webAI 基于 gemma-4-26B-A4B-it 推出的 13.5 GB 4-bit 量化 GGUF 文件，默认开启 Gemma 4 的思考模式（thinking mode）。本文讲清楚 thinking 开关如何影响推理质量与响应速度，并教你在 llama.cpp 中快速切换，3 分钟上手。

## 一、先了解：Air-26B-A4B 的思考模式是什么

Air]]></description><category></category></item><item><title><![CDATA[Blockstack Browser密钥链深度解析：key delegation、token file与多签名机制完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/167490086</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/167490086</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 19:23:12 +0800</pubDate><description><![CDATA[在 Blockstack Browser 中，**密钥链（keychain）**是整个去中心化身份体系的核心：它从一个 12 词的恢复密钥出发，派生出 Bitcoin 地址、各个 Blockstack ID 的签名密钥、数据加密密钥，甚至每个 Dapp 的独立 app key。本文带你快速看懂 key delegation（密钥委托）、token file（令牌文件）和多签名机制是如何协同工作的，]]></description><category></category></item><item><title><![CDATA[Qwen2.5-VL-7B-Instruct-GGUF 量化版怎么选？Q4_K_M、Q8_0 与 f16 深度对比与显存预算清单]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/161443993</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/161443993</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 18:08:08 +0800</pubDate><description><![CDATA[本文带你一文读懂 **Qwen2.5-VL-7B-Instruct-GGUF 量化版怎么选**：仓库内提供 Q4_K_M、Q8_0、f16 三种精度文件，分别对应约 4.36GB、7.54GB、14.19GB 的体积差异。本文用一张显存预算清单，帮你根据自己的显卡快速敲定该下载哪个版本，避免"下载完才发现跑不起来"。

## 📦 仓库文件一览：3 种量化 + 2 个视觉投影文件

本仓库基于 []]></description><category></category></item><item><title><![CDATA[AzurLaneAutoScript：碧蓝航线自动化脚本架构深度解析与实战指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/161504135</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/161504135</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 17:59:36 +0800</pubDate><description><![CDATA[在移动游戏生命周期管理的技术实践中，自动化脚本系统已成为提升玩家体验和优化资源分配的关键工具。AzurLaneAutoScript（简称Alas）作为一款专为《碧蓝航线》设计的全自动脚本框架，通过创新的模块化架构和智能调度算法，为玩家提供了近乎完整的游戏进程托管解决方案。本文将从技术架构、应用场景、实现原理和最佳实践四个维度，深入剖析这一开源项目的设计哲学与实现细节。

## 技术价值深度解析：为]]></description><category></category></item><item><title><![CDATA[碧蓝航线自动化工具：提升游戏效率的全功能任务管理指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/157817658</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/157817658</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 17:58:30 +0800</pubDate><description><![CDATA[碧蓝航线作为一款热门的二次元舰娘养成游戏，日常任务、科研项目和活动攻略往往需要耗费大量时间。你是否因重复操作感到枯燥？是否想高效管理多个账号却不知从何下手？碧蓝航线Alas自动化工具通过智能决策算法与图像识别技术，让你轻松实现游戏任务自动化管理，从繁琐操作中解放双手。本文将带你掌握该工具的核心功能配置与实用技巧，全面提升游戏效率。

## 环境准备清单：快速部署自动化工具

如何在10分钟内完成工]]></description><category></category></item><item><title><![CDATA[Electron 应用如何逆向？rea 静态解析 + 运行时观察完整实战]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/154859913</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/154859913</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 17:28:00 +0800</pubDate><description><![CDATA[你想给自己的产品加一个"剪贴板富文本同步"功能，参考应用里恰好就有——但对方没有源码，只有一个编译好的 Electron 安装包。翻 `app.asar` 只能看到压缩成一行的 bundle；抓包够不到主进程；就算你硬读通了某个函数，也无法向团队证明"这条调用链确实存在"。这就是 rea（Reverse Engineer Anything）要解决的卡点：它把逆向能力经 MCP 接进你的 AI Ag]]></description><category></category></item><item><title><![CDATA[22种量化方法一次看懂：tiny_random_falcon-gguf全量化模型对照清单]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/153455027</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/153455027</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 17:22:31 +0800</pubDate><description><![CDATA[**tiny_random_falcon-gguf** 仓库一次性收录了 22 种主流量化方式生成的 GGUF 格式模型文件，从 Q2_K 到 Q8_0 全覆盖，是新手学习大模型量化概念、对比不同量化精度差异的理想资料库。本文将带你快速看懂每一种量化方法的命名规则、体积与质量的权衡，并给出选择建议。

## 什么是 GGUF 量化模型

GGUF 是 llama.cpp 生态使用的模型文件格式，"]]></description><category></category></item><item><title><![CDATA[读懂 BGE-m3-ko 评测报告：NDCG、MRR、mAP 等检索指标详解与韩语基准测试深度分析]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/151483892</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/151483892</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 17:19:54 +0800</pubDate><description><![CDATA[BGE-m3-ko 是一款基于 BAAI/BGE-m3 在韩语语料上继续训练的文本嵌入（Embedding）模型，专为韩语语义检索与句子相似度计算而优化。本文带你读懂它的评测报告：NDCG、MRR、mAP 等检索指标到底在衡量什么，以及在两套韩语基准测试（Korean Embedding Benchmark 与 MIRAcl）中，BGE-m3-ko 的真实表现意味着什么——即使是新手也能看懂。

]]></description><category></category></item><item><title><![CDATA[三阶段后训练拆开看：SFT 打底、偏好优化提分、长度感知收口]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/170546233</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/170546233</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 16:50:19 +0800</pubDate><description><![CDATA[TwIL-8B 的模型卡里只有三行训练流程说明，却对应了当下小参数推理模型最典型的一条产线：先用全参数 SFT 把底座从"通用语言模型"训练成"会写推理链的解题模型"，再用 GRPO/DAPO 这一类可验证奖励强化学习把正确率推到上限，最后单独加一个阶段，专门对推理长度施加压力。真正值得研究的不是三个阶段的名称，而是这三个阶段为什么要以这个顺序串起来，以及第三阶段为什么必须放在最后。

本文不靠转]]></description><category></category></item><item><title><![CDATA[cn-math-taxonomy 按年级整体诊断速览：一次约 40 题，摸清整年级数学学情]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/163725140</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/163725140</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 16:34:24 +0800</pubDate><description><![CDATA[cn-math-taxonomy 是中小学数学知识图谱项目，其「按年级整体诊断」用一次约 40 题的学情筛查，覆盖小学一至九年级、高一、高二与选必一 / 选必二 / 选必三，快速给出整年级的掌握、薄弱与未测分布。

## 一次筛查能换来什么

选对年级、点一下开始，几分钟后你就拿到三样东西：哪些章节整体薄弱、哪些知识点状态「不稳」需要巩固、下一轮复习从哪补起。比逐个知识点单独诊断省事得多——整年级]]></description><category></category></item><item><title><![CDATA[RSSHub Radar 使用指南：打开任意网页，5 步发现并订阅 RSS 源]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/161217627</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/161217627</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 13:43:53 +0800</pubDate><description><![CDATA[打开任意一个网页，它就能告诉你这个页面能不能订阅、能订阅哪些源，再一键把 RSS 送进你正在用的阅读器——RSSHub Radar 做的就是这件事。它是 RSSHub 官方衍生的浏览器扩展，基于 Plasmo（React 框架）开发，把"找源"和"订上"两步压缩成点一下图标。下面按"装好扩展、看懂检测结果、一键订阅、配自建实例、刷新规则、排错"这条使用路径走一遍。

## 装好扩展：浏览器商店与手]]></description><category></category></item><item><title><![CDATA[Lenovo Legion Toolkit：免费开源的Vantage替代品，如何5分钟接管拯救者性能模式与自定义设置]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/161246771</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/161246771</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 12:14:02 +0800</pubDate><description><![CDATA[新买的拯救者第一次打开任务管理器，大概率会看到 Lenovo Vantage 静静常驻，还时不时弹个广告。想切个性能模式得点进三层子菜单，想改风扇曲线？官方界面里根本没有这个选项。Lenovo Legion Toolkit（下称 LLT）就是冲着这件事来的：开源、免费的 Windows 工具，直接管理拯救者的电源模式、充电策略、显卡工作模式与灯光。一句话卖点：不装任何后台服务、无遥测，程序不运行就]]></description><category></category></item><item><title><![CDATA[Fleet 软件清单（Software Inventory）完全指南：跨平台采集能力、数据边界与配置调优]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/166248081</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/166248081</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 11:35:52 +0800</pubDate><description><![CDATA[Fleet 的软件清单（Software Inventory）是其漏洞管理体系的"数据底座"：它负责在 macOS、Windows、Linux、ChromeOS、Android 与 iOS/iPadOS 主机上采集应用、操作系统、浏览器扩展、包管理器软件包、IDE 扩展、插件与二进制文件，CVE（漏洞）处理正是基于这份清单运行的——没有被采集进来的软件，永远不可能出现在漏洞报告中。本文以 [sof]]></description><category></category></item><item><title><![CDATA[使用 Fleet 安装 osquery 并将 macOS 设备接入 Fleet 的完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/165887821</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/165887821</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 11:35:46 +0800</pubDate><description><![CDATA[> 本篇指南基于当前开源仓库中的历史文档整理而成。它详细讲解如何将 macOS 设备注册（enroll）到已有的 Fleet 服务器：从安装 `fleetctl` 命令行工具、通过 Fleet UI 生成 osquery 安装器、在 macOS 设备上运行安装器，到使用 Munki、Jamf Pro、Chef、Ansible、Puppet 等企业分发工具进行规模化部署。读完本文，你将掌握 macO]]></description><category></category></item><item><title><![CDATA[如何微调 Meta-Llama-3.1-8B？LoRA 与全参数微调完整教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/170502540</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/170502540</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 10:47:26 +0800</pubDate><description><![CDATA[Meta-Llama-3.1-8B 是 Meta 开源的 80 亿参数大语言模型，也是目前最流行的大模型微调基座之一。本教程面向新手，完整讲解 **LoRA 微调** 与 **全参数微调** 两条路线：从读懂仓库文件、估算显存，到环境安装与关键参数设置，帮助你快速把 8B 模型调教成懂行业知识的专属模型。

## 一、微调 Meta-Llama-3.1-8B 之前，先弄懂这两件事

🎯 **微调]]></description><category></category></item><item><title><![CDATA[QuoJS捏合与旋转手势详解：构建沉浸式pinch缩放与rotate交互体验]]></title><link>https://blog.youkuaiyun.com/gitblog_00106/article/details/170486453</link><guid>https://blog.youkuaiyun.com/gitblog_00106/article/details/170486453</guid><author>gitblog_00106</author><pubDate>Wed, 11 Nov 2026 09:08:06 +0800</pubDate><description><![CDATA[QuoJS 是一款面向移动设备的微小型 JavaScript 库，内置了完整的手势引擎，开箱即用地支持 pinch 捏合缩放与 rotate 旋转等触摸手势。本文带你彻底搞懂这两组手势的事件机制、检测阈值与实战用法，零基础也能快速构建出流畅的 pinch 缩放和 rotate 旋转交互体验。

## 为什么需要 pinch 与 rotate 手势？📱

在原生 App 里，双指捏合放大地图、旋转]]></description><category></category></item></channel></rss>