<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jinniulema的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jinniulema</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jinniulema]]></copyright><item><title><![CDATA[【论文笔记】Active Retrieval Augmented Generation]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/136608610</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/136608610</guid><author>jinniulema</author><pubDate>Sun, 10 Mar 2024 20:50:59 +0800</pubDate><description><![CDATA[传统方法采用retrieve-and-generate 的范式进行检索增强，这种方式一般仅检索一次。本文提出了一种名为的主动检索的方法，可以在生成过程中主动决定何时检索以及检索的内容。具体来说，它迭代式地对 待生成的句子进行预测，如果预测的句子中含有低置信度的token，就使用预测的结果作为query检索相关文档，然后重新生成句子。]]></description><category></category></item><item><title><![CDATA[【论文笔记】A Survey of Large Language Models in Medicine - Progress, Application, and Challenges]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/134634085</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/134634085</guid><author>jinniulema</author><pubDate>Sun, 26 Nov 2023 21:56:00 +0800</pubDate><description><![CDATA[*对于第一个问题，我们总结了现有的医学LLMs，详细介绍了它们的基本结构、参数数量和用于模型开发的数据集。**此外，我们提供了这些模型构建过程的洞见。这些信息对于希望根据特定需求（如计算限制、私有数据和本地知识库）构建自己的医学LLMs的研究人员和医学从业者来说是宝贵的。对于第二个问题，我们对现有医学LLMs在十个生物医学NLP任务中的表现进行了广泛的调查。这种分析将使我们能够理解医学LLMs在不同方面如何胜过传统的医学AI模型。通过展示它们的能力，我们旨在阐明医学LLMs在临床环境中部署时带来的优势。]]></description><category></category></item><item><title><![CDATA[【论文笔记】LIMA: Less Is More for Alignment]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/133915276</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/133915276</guid><author>jinniulema</author><pubDate>Wed, 18 Oct 2023 21:32:39 +0800</pubDate><description><![CDATA[大型语言模型通常分两阶段进行训练：（1）对海量原始文本进行无监督预训练，学习通用表征；（2）指令微调和强化学习，更好地适应最终任务和对齐用户偏好。该论文通过训练LIMA来衡量这两个阶段的相对重要性，LIMA是一个65B参数的LLaMa语言模型，在没有任何强化学习或人类偏好建模的情况下，只对1000个精心策划的prompts和responses进行了标准监督损失的微调。LIMA表现出了非常强大的性能，只从训练数据中的少数几个例子中学习到了特定的响应格式，包括一些复杂的查询。]]></description><category></category></item><item><title><![CDATA[【论文笔记】A Survey on In-context Learning]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/133691651</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/133691651</guid><author>jinniulema</author><pubDate>Sun, 08 Oct 2023 22:48:24 +0800</pubDate><description><![CDATA[随着大模型能力的增强，上下文学习（In-context learning, ICL）已成为自然语言处理的新范式，其中LLM仅仅基于添加了几个示例的上下文进行预测。探索ICL来评估和推断LLM的能力已经成为一种新的趋势。本文旨在调查和总结ICL的进展和挑战。首先给出了ICL 的正式定义，并阐明了它和相关研究的相关性。然后，组织并讨论了先进的技术，包括训练策略，演示设计策略以及相关分析。最后，讨论了ICL面临的挑战，并为进一步研究提供了潜在的方向。]]></description><category></category></item><item><title><![CDATA[【论文笔记】BioGPT: generative pre-trained transformer for biomedical text generation and mining]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/133254368</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/133254368</guid><author>jinniulema</author><pubDate>Sun, 24 Sep 2023 22:25:59 +0800</pubDate><description><![CDATA[预训练的语言模型在生物医学领域引起了越来越多的关注，这是受其在一般自然语言领域的巨大成功的启发。在自然语言领域的预训练语言模型的两个主要分支，即BERT（及其变体）和GPT（及其变体）中，第一个分支已经在生物医学领域得到了广泛的研究，如BioBERT和PubMedBERT。虽然它们在各种鉴别性的下游生物医学任务上取得了巨大的成功，但由于缺乏生成能力，限制了它们的应用范围。文章提出了BioGPT，一个针对特定领域的生成性Transformer语言模型，在大规模生物医学文献上进行了预训练。]]></description><category></category></item><item><title><![CDATA[NER命名实体识别文章或文献整理]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/133245504</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/133245504</guid><author>jinniulema</author><pubDate>Sun, 24 Sep 2023 17:26:26 +0800</pubDate><description><![CDATA[收录命名实体识别NER的文章、文献、综述、解读等]]></description><category></category></item><item><title><![CDATA[《深度学习进阶：自然语言处理》natural language processing 的 jupyter notebook代码及笔记]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/129029125</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/129029125</guid><author>jinniulema</author><pubDate>Tue, 14 Feb 2023 16:29:15 +0800</pubDate><description><![CDATA[《深度学习进阶：自然语言处理》jupyter notebook的ipynb代码，并加入了笔记，更利于学习。仓库地址：https://gitee.com/taurus_horse/nlp-from-scratch。源代码可在“随书下载”处获取：https://www.ituring.com.cn/book/2678。]]></description><category></category></item><item><title><![CDATA[colab防止掉线断连及清除方法]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/128994223</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/128994223</guid><author>jinniulema</author><pubDate>Sun, 12 Feb 2023 13:46:56 +0800</pubDate><description><![CDATA[colab防止掉线断连及清除方法
function ConnectButton(){
    console.log("Connect pushed"); 
    document.querySelector("#top-toolbar > colab-connect-button").shadowRoot.querySelector("#connect").click() 
}
setInterval(ConnectButton,60000);]]></description><category></category></item><item><title><![CDATA[colab使用cupy.scatter_add报错]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/128994061</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/128994061</guid><author>jinniulema</author><pubDate>Sun, 12 Feb 2023 13:29:52 +0800</pubDate><description><![CDATA[在google colab中使用到了cupy.scatter_add，报错AttributeError: module ‘cupy’ has no attribute ‘scatter_add’。解决办法：更换为cupyx.scatter_add]]></description><category></category></item><item><title><![CDATA[6.2 权重的初始值【深度学习入门：基于python的理论与实现（第六章与学习相关的技巧）】]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/128885873</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/128885873</guid><author>jinniulema</author><pubDate>Sat, 04 Feb 2023 21:24:18 +0800</pubDate><description><![CDATA[6.2 权重的初始值【深度学习入门：基于python的理论与实现（第六章与学习相关的技巧）】]]></description><category></category></item><item><title><![CDATA[jupyter中复制粘贴形式插入的图片(attachment)导出md时不显示]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/128858938</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/128858938</guid><author>jinniulema</author><pubDate>Thu, 02 Feb 2023 23:05:11 +0800</pubDate><description><![CDATA[jupyter导出为md后截图图片无法显示(attachment)，编写了python程序，利用picgo上传服务转换为网络图片]]></description><category></category></item><item><title><![CDATA[typora+picgo剪贴板图片上传卡死(一直显示uploads)]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/128840673</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/128840673</guid><author>jinniulema</author><pubDate>Wed, 01 Feb 2023 21:09:37 +0800</pubDate><description><![CDATA[Typora使用Picgo上传剪贴板中的图片（截图）时经常上传卡死，一直是uploads的状态。通过右下角托盘打开picgo时，发现picgo也卡死。任务管理器中picgo进程内存占用率高。最后在Picgo设置中打开”使用内置剪贴板上传“后解决问题。Error: EPIPE: broken pipe, write [PicGo ERROR] ]]></description><category></category></item><item><title><![CDATA[已有腾讯云cos图床，优快云 转存失败,源站可能有防盗链机制]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/128839698</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/128839698</guid><author>jinniulema</author><pubDate>Wed, 01 Feb 2023 20:37:01 +0800</pubDate><description><![CDATA[腾讯云cos图像csdn转存失败，源站可能有防盗链机制]]></description><category></category></item><item><title><![CDATA[jupyter拆分类在多个单元格]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/128822429</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/128822429</guid><author>jinniulema</author><pubDate>Tue, 31 Jan 2023 19:56:52 +0800</pubDate><description><![CDATA[（jupyter根据类函数，将类拆分在多个单元格）在使用jupyter notebook以及jupyter lab的时候，遇到了一个需求：编写类的时候，如果希望对类的不同函数进行相应的Markdown格式的注解，只能将整个类写在一个单元格内，然后在上方单元格或者下方单元格进行注释。]]></description><category></category></item><item><title><![CDATA[基于Qt的扫雷游戏(c++)]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/119103776</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/119103776</guid><author>jinniulema</author><pubDate>Mon, 26 Jul 2021 10:12:43 +0800</pubDate><description><![CDATA[资源链接
游戏名称：minessweeper
利用qt实现可视化。
本程序灵感来源于windows系统经典扫雷游戏，力求还原游戏体验。但因本人编程水平有限，仍有不足之处。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2ZiCwPm9-1627265532774)(file:///C:/Users/ADMINI~1/AppData/Local/Temp/msohtmlclip1/01/clip_image002.jpg)]
游戏区包括雷区、地雷计数器（位于左上角，记录剩余地雷]]></description><category></category></item><item><title><![CDATA[看Django和DRF的源码+用户认证]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/119103523</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/119103523</guid><author>jinniulema</author><pubDate>Mon, 26 Jul 2021 10:03:58 +0800</pubDate><description><![CDATA[怎样看Django和DRF的源码
CBV原理
class OrderView(View):
    def get(self, request, *args, **kwargs):
        ret = {
            'code': 1000,
            'msg': 'xxx'
        }

        return HttpResponse(json.dumps(ret), status=201)

    def post(self, request, *]]></description><category></category></item><item><title><![CDATA[golang学习——接口类型推断]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/119102999</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/119102999</guid><author>jinniulema</author><pubDate>Mon, 26 Jul 2021 09:44:08 +0800</pubDate><description><![CDATA[接口类型推断
什么是接口类型推断


如果一个类型实现了接口，那么接口类型变量里面就可以存储该类型的数据，把实现接口功能的对象插入到接口中


那么如何反向直到接口类型变量里面实际保存的是哪一种类型的对象呢？这就是接口类型推断


两种方法

comma-ok断言
switch测试



类型断言就是将接口类型的值(x)，装换成类型(T)。格式为：
x.(T)
v:=x.(T)
v,ok:=x.(T)



T可以是非接口类型，如果想断言合法，则T应该实现x的接口


    package main

 ]]></description><category></category></item><item><title><![CDATA[golang学习——分工协作及功能复用]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/119102982</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/119102982</guid><author>jinniulema</author><pubDate>Mon, 26 Jul 2021 09:43:16 +0800</pubDate><description><![CDATA[分工协作及功能复用
1. 如何实现分工


模块化编程不仅可以提高代码结构的清晰度，还可以促进团队协作水平，提高开发效率


建立项目

建立项目文件夹，明确项目文件存放的具体位置
在GOPATH下的src文件夹下面建立一个项目文件夹,如等差数列



根据分工，为每个开发者建立各自的工作目录，分别为main、input、sum、output


每个开发者右键各自的工作目录\选择New File 建立自己的go文件,分别为 main.go、input.go、sum.go和output.go


其他工作目]]></description><category></category></item><item><title><![CDATA[golang学习——反射]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/119102960</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/119102960</guid><author>jinniulema</author><pubDate>Mon, 26 Jul 2021 09:42:22 +0800</pubDate><description><![CDATA[反射
什么是反射

可以理解为逆映射
正向   类型、值    —&gt;对象/变量
反向  对象/变量    —&gt;类型、值
反射(Reflection)是获取程序运行时类型信息的方式
程序员可以利用这些类型信息进行一些更加灵活的处理，如：

让静态语言具备更加多样的运行时动态特征
让程序具备自省能力，使得interface{}接口对象的灵活性有更大的发挥余地


go语言提供了名为reflect的反射包，可以：

获取原对象的Type和Value值
修改原对象的Value值
动态调用原对象的方法
…]]></description><category></category></item><item><title><![CDATA[golang学习——go命令]]></title><link>https://blog.youkuaiyun.com/jinniulema/article/details/119102920</link><guid>https://blog.youkuaiyun.com/jinniulema/article/details/119102920</guid><author>jinniulema</author><pubDate>Mon, 26 Jul 2021 09:41:16 +0800</pubDate><description><![CDATA[go run gofiles… 编译列出的文件，并生成可执行文件然后执行。注意只能用于main包，否则会出现go run: cannot run non-main package的错误。


go install 编译包，分别生成可执行文件和依赖包文件到%GOPATH%/bin，%GOPATH%/pkg


go build 编译包，如果是main包则在当前目录生成可执行文件，其他包不会生成.a文件；


go run是不需要设置GOPATH的，但go build和go install必须设置。


g..]]></description><category></category></item></channel></rss>