<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[kobebryantgc的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/kobebryantgc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; kobebryantgc]]></copyright><item><title><![CDATA[OpenCompass 评测 InternLM-1.8B 实践]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/141113076</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/141113076</guid><author>kobebryantgc</author><pubDate>Sun, 11 Aug 2024 22:54:10 +0800</pubDate><description><![CDATA[使用 OpenCompass 评测 internlm2-chat-1.8b 模型在 ceval 数据集上的性能，记录复现过程并截图。]]></description><category></category></item><item><title><![CDATA[XTuner微调个人小助手认知]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/141038642</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/141038642</guid><author>kobebryantgc</author><pubDate>Fri, 09 Aug 2024 00:45:31 +0800</pubDate><description><![CDATA[数据集构建训练过程微调后的结果。]]></description><category></category></item><item><title><![CDATA[Llamaindex RAG实践]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/141002194</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/141002194</guid><author>kobebryantgc</author><pubDate>Wed, 07 Aug 2024 22:27:38 +0800</pubDate><description><![CDATA[InternLM + LlamaIndex RAG 实践。]]></description><category></category></item><item><title><![CDATA[浦语提示词工程实践]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/140940133</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/140940133</guid><author>kobebryantgc</author><pubDate>Tue, 06 Aug 2024 00:47:43 +0800</pubDate><description><![CDATA[使用LMDeploy进行部署，internlm2-chat-1_8b。]]></description><category></category></item><item><title><![CDATA[8G 显存玩转书生大模型 Demo]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/140892826</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/140892826</guid><author>kobebryantgc</author><pubDate>Sat, 03 Aug 2024 17:07:32 +0800</pubDate><description><![CDATA[8G 显存玩转书生大模型 Demo。环境配置，安装LMDeploy。]]></description><category></category></item><item><title><![CDATA[第三期书生大模型实战营-闯关第三关-git基础]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/140726412</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/140726412</guid><author>kobebryantgc</author><pubDate>Fri, 26 Jul 2024 23:07:56 +0800</pubDate><description><![CDATA[https://github.com/lori-kuo/InterLMCampProject.git]]></description><category></category></item><item><title><![CDATA[第三期书生大模型实战营-闯关第二关-python基础]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/140702864</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/140702864</guid><author>kobebryantgc</author><pubDate>Fri, 26 Jul 2024 00:48:05 +0800</pubDate><description><![CDATA[请使用本地vscode连接远程开发机，将上面你写的wordcount函数在开发机上进行debug，体验debug的全流程，并完成一份debug笔记(需要截图)。请实现一个wordcount函数，统计英文字符串中每个单词出现的次数。返回一个字典，key为单词，value为对应单词出现的次数。远程命令行debug。]]></description><category></category></item><item><title><![CDATA[第三期书生大模型实战营-闯关第一关]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/140676523</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/140676523</guid><author>kobebryantgc</author><pubDate>Thu, 25 Jul 2024 00:59:12 +0800</pubDate><description><![CDATA[完成SSH连接与端口映射并运行hello_world.py
Linux基本命令

vscode里运行conda命令


]]></description><category></category></item><item><title><![CDATA[书生·浦语大模型全链路开源开放体系-笔记]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/139103274</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/139103274</guid><author>kobebryantgc</author><pubDate>Tue, 21 May 2024 22:02:03 +0800</pubDate><description><![CDATA[书生浦语大模型是一个致力于推动人工智能技术进步的开源项目。它涵盖了从轻量级到重量级的多种模型，以适应不同规模和需求的应用场景。]]></description><category></category></item><item><title><![CDATA[区块链学术会议/研究团队汇总]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/132218936</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/132218936</guid><author>kobebryantgc</author><pubDate>Thu, 10 Aug 2023 21:37:21 +0800</pubDate><description><![CDATA[区块链学术会议，研究团队汇总]]></description><category></category></item><item><title><![CDATA[HyperLedger Fabric简介]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/129034043</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/129034043</guid><author>kobebryantgc</author><pubDate>Tue, 14 Feb 2023 21:36:07 +0800</pubDate><description><![CDATA[Hyperledger Fabric 是一个开源的企业级许可分布式账本技术（Distributed Ledger Technology，DLT）平台。Fabric 具有高度模块化和可配置的架构，可为各行各业的业务提供创新性、多样性和优化，其中包括银行、金融、保险、医疗保健、人力资源、供应链甚至数字音乐分发。支持通用编程语言编写智能合约（如 Java、Go 和 Node.js）该平台最重要的区别之一是它支持可插拔的共识协议，使得平台能够更有效地进行定制，以适应特定的业务场景和信任模型。]]></description><category></category></item><item><title><![CDATA[HyperLedger Fabric环境配置]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128976555</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128976555</guid><author>kobebryantgc</author><pubDate>Fri, 10 Feb 2023 20:15:42 +0800</pubDate><description><![CDATA[ubuntu安装fabric]]></description><category></category></item><item><title><![CDATA[OpenMMLab实战营第四课：目标检测与MMDetection]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128919799</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128919799</guid><author>kobebryantgc</author><pubDate>Tue, 07 Feb 2023 16:14:52 +0800</pubDate><description><![CDATA[多尺度技术出现之前，模型多基于单级特征图进行预测，通常为主干网络的倒数第二层，受限于结构（感受野）和锚框的尺寸范围，只擅长中等大小的物体。假阳性 (False Positive)：算法检测到了某类物体 (Positive)，但图中其实没有这个物体，检测结果错误 (False)将图像缩放到不同大小，形成图像金字塔，检测算法在不同大小图像上即可检测出不同大小物体，图像逐级缩小可检测的物体逐级放大。边界框的绝对偏移量在数值上通常较大，不利于神经网络训练，通常需要对偏移量进行编码，作为回归模型的预测目标。]]></description><category></category></item><item><title><![CDATA[OpenMMLab实战营第二课：通用视觉框架OpenMMLab 图像分类与基础视觉模型]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128875268</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128875268</guid><author>kobebryantgc</author><pubDate>Fri, 03 Feb 2023 22:00:17 +0800</pubDate><description><![CDATA[什么是图像分类？任务目标：给定一张图片，识别图像中的物体是什么数学表示难点语义化，图像的内容是像素整体呈现出的结果，和个别像素的值没有直接关联，难以遵循具体的规则设计算法让机器从数据中学习局限性：机器学习算法善于处理低维、分布相对简单的数据。图像数据在几十万维的空间中以复杂的方式"缠绕"在一起，常规的机器学习算法难以处理这种复杂数据分布。]]></description><category></category></item><item><title><![CDATA[OpenMMLab实战营第一课：计算机视觉简介]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128850336</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128850336</guid><author>kobebryantgc</author><pubDate>Thu, 02 Feb 2023 15:35:09 +0800</pubDate><description><![CDATA[主要介绍计算机视觉、OpenMMLab、神经网络Pytorch等]]></description><category></category></item><item><title><![CDATA[Anguins L* Simple Case Study]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128792115</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128792115</guid><author>kobebryantgc</author><pubDate>Sun, 29 Jan 2023 17:51:46 +0800</pubDate><description><![CDATA[整个流程需要代码模拟，但现有代码不能运行，只能看着代码结合论文构造，而且学习过程中需要向被测系统发送输入，接收输出，没有实际系统的话只能模拟它会返回什么。整个算法的流程大体如上。]]></description><category></category></item><item><title><![CDATA[TTT算法]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128764585</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128764585</guid><author>kobebryantgc</author><pubDate>Thu, 26 Jan 2023 11:45:18 +0800</pubDate><description><![CDATA[当考虑所有示例的成员查询总数时，TTT优于其他学习算法；当考虑符号的数量时，Kearns和Vazirani的算法实际上在三分之一的系统中优于TTT（即使它需要更高数量的成员查询）。然而，所讨论的系统是最小的一个，在所有其他系统上，Kearns和Vazirani的算法表现很差。平均而言，与排名第二的观察包算法（Observation Pack algorithm）相比，TTT在符号执行方面降低一到两个数量级，并且在调用系统上的操作序列方面降低50%-75%。]]></description><category></category></item><item><title><![CDATA[A-21-FSE-Benchmarking Automated GUI Testing for Android against Real-World Bugs]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128710471</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128710471</guid><author>kobebryantgc</author><pubDate>Mon, 16 Jan 2023 23:28:50 +0800</pubDate><description><![CDATA[论文针对安卓自动化测试工具在实践中如何有效和彻底地发现崩溃错误的问题，从20个开源Android应用程序中构建了52个可再现的错误数据集。实验中，论文收集近年来公开的安卓自动化测试工具在数据集上测试，发现有18个错误任何工具都无法检测到。论文分析了实验结果出现的原因，提出了安卓自动化测试的五个主要问题，并开源了一个自动化测试工具（类似Droidbot），此工具可以结合其他开源方案（如Humanoid）。]]></description><category></category></item><item><title><![CDATA[Analysis of DTLS Implementations Using Protocol State Fuzzing]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/128596636</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/128596636</guid><author>kobebryantgc</author><pubDate>Sat, 07 Jan 2023 22:58:33 +0800</pubDate><description><![CDATA[本文提出了第一个DTLS协议状态模糊化测试框架，开发了一个基于TLS-Attacker的DTLS测试框架，包括显式序列号、对cookie管理的支持等。本文发现了由有效握手消息序列触发的状态机错误，没有进行重新排序reorder和分割fragmentation。下一步方向：（i）探索记录层功能，例如分段和重新排序。由于这些功能应该由记录层透明地处理，我们可以直接使用我们已经学习的模型作为规范。（ii）学习的模型可以用来支持无效输入消息的系统测试，如协议模糊器中所做的那样。]]></description><category></category></item><item><title><![CDATA[Flask部署到服务器访问失败的一种解决方法]]></title><link>https://blog.youkuaiyun.com/kobebryantgc/article/details/126376230</link><guid>https://blog.youkuaiyun.com/kobebryantgc/article/details/126376230</guid><author>kobebryantgc</author><pubDate>Tue, 16 Aug 2022 23:13:59 +0800</pubDate><description><![CDATA[flask服务器部署后浏览器访问失败]]></description><category></category></item></channel></rss>