<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[小青龙，创造，变强]]></title><description><![CDATA[创造改变生活]]></description><link>https://blog.youkuaiyun.com/lad_z</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lad_z]]></copyright><item><title><![CDATA[构建高效 AI Agent]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/160546899</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/160546899</guid><author>lad_z</author><pubDate>Mon, 27 Apr 2026 10:58:22 +0800</pubDate><description><![CDATA[这篇文章探讨了如何构建高效的AI Agent系统，分享了Anthropic在开发Agent方面的实践经验。核心观点是：应该从最简单的解决方案开始，只有当简单方案不足时才增加复杂度。文章区分了Workflow（预定义流程）和Agent（自主决策）两种模式，介绍了基础模块、常见工作流模式（提示链、路由、并行化、总控-工人模式）以及真正的自治Agent。强调了Agent最适合开放式问题、无法预定义流程的任务和长期运行场景，但也指出其存在成本高、调试困难等风险。最后提出三大原则：保持简单、透明和精心设计工具接口。]]></description><category></category></item><item><title><![CDATA[什么是知识蒸馏？什么是Knowledge Distillation？知识蒸馏实例]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/143983096</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/143983096</guid><author>lad_z</author><pubDate>Fri, 22 Nov 2024 21:14:12 +0800</pubDate><description><![CDATA[从理论到实践全面掌握知识蒸馏]]></description><category></category></item><item><title><![CDATA[Benchmark是什么？有什么作用？实例——助理解]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/143982990</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/143982990</guid><author>lad_z</author><pubDate>Fri, 22 Nov 2024 21:10:20 +0800</pubDate><description><![CDATA[GLUE 基准作为一个 benchmark，定义了一套标准任务和指标，帮助研究者评估模型的性能。通过在 GLUE 上的测试，你的模型结果可以用数据清楚地展示出来，同时可以与其他模型进行公平比较，这就是 benchmark 在研究中的核心作用。类似的例子还有计算机视觉领域的，它用于评估图像分类模型的能力。]]></description><category></category></item><item><title><![CDATA[WandB概念、主要功能、详细说明和总结]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/143567468</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/143567468</guid><author>lad_z</author><pubDate>Wed, 06 Nov 2024 12:21:49 +0800</pubDate><description><![CDATA[Weights & Biases (WandB) 是一个用于机器学习项目的可视化和管理工具，提供了强大的日志记录、超参数优化、模型跟踪和协作功能。它广泛应用于深度学习和机器学习模型的训练过程中，帮助用户实时追踪和可视化实验结果。]]></description><category></category></item><item><title><![CDATA[消融实验（Ablation Study）概念、目的、步骤、示例、意义和实例(图像分类模型的消融实验)]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/143504900</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/143504900</guid><author>lad_z</author><pubDate>Tue, 05 Nov 2024 11:42:32 +0800</pubDate><description><![CDATA[在这个消融实验中，通过逐步去掉或修改模型的不同组件，你能够了解到每个部分对模型性能的影响。这种方法帮助你识别出哪些组件是关键，哪些可以考虑省略或替换，从而提高最终模型的性能。通过消融实验，你不仅能够优化模型，还能为后续研究提供深刻的洞见。]]></description><category></category></item><item><title><![CDATA[ml/dl中，余弦相似度（cosine similarity）概念、作用机制和应用场景]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/143476948</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/143476948</guid><author>lad_z</author><pubDate>Mon, 04 Nov 2024 09:56:11 +0800</pubDate><description><![CDATA[是一种度量两个向量相似度的方法，尤其适合在文本分析和推荐系统等领域用于比较高维向量的相似性。它计算两个向量夹角的余弦值，余弦值越接近1，说明两个向量越相似；接近0，则表示无相似性；负值则表示相反的方向。cossimAB∥A∥×∥B∥A⋅B​其中，A⋅B表示两个向量的点积，∥A∥和∥B∥分别是向量的模。]]></description><category></category></item><item><title><![CDATA[p=np问题 P vs NP问题 p=np? 详解]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142679384</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142679384</guid><author>lad_z</author><pubDate>Wed, 02 Oct 2024 11:02:27 +0800</pubDate><description><![CDATA[p=np问题 P vs NP问题 p=np? 详解   实例详细解释。]]></description><category></category></item><item><title><![CDATA[Python爬虫]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142316445</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142316445</guid><author>lad_z</author><pubDate>Tue, 17 Sep 2024 17:15:11 +0800</pubDate><description><![CDATA[Python爬虫
1、Python爬虫基础知识（什么是爬虫？爬虫的基本工作流程、常用的Python爬虫库、HTTP基础知识）
2、爬虫实例（抓取网页标题和链接、保存数据）
3、反爬机制、应对反爬策略等
4、爬虫技术栈、构建爬虫环境依赖]]></description><category></category></item><item><title><![CDATA[Latex常用语法总结（LaTeX实用语法、完整语法版）]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142314244</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142314244</guid><author>lad_z</author><pubDate>Tue, 17 Sep 2024 14:32:59 +0800</pubDate><description><![CDATA[1、LaTeX语法表
2、latex如何使用？
3、内容完整，丰富。
4、其他：
常用的 LaTeX 语法表，覆盖数学符号、排版结构、图表、公式、表格等常用部分，并分类整理，便于查阅。]]></description><category></category></item><item><title><![CDATA[联合条件概率 以及在语言模型中的应用]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142301280</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142301280</guid><author>lad_z</author><pubDate>Mon, 16 Sep 2024 13:00:55 +0800</pubDate><description><![CDATA[1、条件概率、联合概率
2、联合条件概率以及实例
3、联合条件概率在语言模型中的应用、实例

条件概率是指在一个事件已知发生的情况下，另一个事件发生的概率。联合概率是指两个或多个事件同时发生的概率。联合条件概率是在多个条件已知的情况下，讨论另一个事件发生的概率。在语言模型中，联合条件概率用来计算下一个词出现的概率，基于给定的上下文信息。通过使用这种方式，模型能够更好地捕捉语言中的复杂依赖关系，从而提高文本生成和理解的准确性。]]></description><category></category></item><item><title><![CDATA[MATLAB语言基础教程、 小项目1：简单的计算器、 小项目2：有页面的计算器、使用App Designer创建GUI计算器]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142245949</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142245949</guid><author>lad_z</author><pubDate>Sat, 14 Sep 2024 08:55:29 +0800</pubDate><description><![CDATA[MATLAB语言基础教程、 小项目1：简单的计算器、 小项目2：有页面的计算器、使用App Designer创建GUI计算器]]></description><category></category></item><item><title><![CDATA[Swift语言基础教程、Swift练手小项目、Swift知识点实例化学习]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142243775</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142243775</guid><author>lad_z</author><pubDate>Sat, 14 Sep 2024 08:27:53 +0800</pubDate><description><![CDATA[Swift语言基础教程、Swift练手小项目、Swift知识点实例化学习]]></description><category></category></item><item><title><![CDATA[torch.normal的用法和实例说明 normal函数的用法? 正态分布？]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142170062</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142170062</guid><author>lad_z</author><pubDate>Thu, 12 Sep 2024 11:22:28 +0800</pubDate><description><![CDATA[正态分布（Normal Distribution）是一种常见的概率分布，用两个参数来描述：均值 μ（mean）：表示数据的中心位置。标准差 σ（standard deviation）：表示数据的散布或离均值的偏离程度。当标准差较小时，数据更加集中在均值附近。当标准差较大时，数据更加分散。在 torch.normal() 中，你可以指定均值和标准差来生成符合这种分布的数据。你可以为每个元素指定不同的均值和标准差。 torch.normal的用法和实例说明  normal函数的用法?  正态分布？]]></description><category></category></item><item><title><![CDATA[什么是梯度？ 梯度的作用 梯度的应用场景。]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142106354</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142106354</guid><author>lad_z</author><pubDate>Tue, 10 Sep 2024 19:06:07 +0800</pubDate><description><![CDATA[什么是梯度？ 梯度的作用  梯度的应用场景。]]></description><category></category></item><item><title><![CDATA[pip3 安装第三方库慢的解决方案——切换源（清华源等）]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142104429</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142104429</guid><author>lad_z</author><pubDate>Tue, 10 Sep 2024 17:29:40 +0800</pubDate><description><![CDATA[pip3 安装第三方库慢的解决方案——切换源（清华源等）    pip安装numpy慢  pip安装慢 等问题。]]></description><category></category></item><item><title><![CDATA[∥x∥^2 是什么？ 什么是向量的范式？ 有什么用？]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142096814</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142096814</guid><author>lad_z</author><pubDate>Tue, 10 Sep 2024 14:20:02 +0800</pubDate><description><![CDATA[∥x∥^2 是什么？ 什么是向量的范式？ 有什么用？   ∥x∥ ^2这个符号表示的是一个向量 x的范数（通常是欧几里得范数）的平方。]]></description><category></category></item><item><title><![CDATA[pip 安装torch慢]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/142053893</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/142053893</guid><author>lad_z</author><pubDate>Mon, 09 Sep 2024 11:13:04 +0800</pubDate><description><![CDATA[pip 安装慢    安装torch慢 ]]></description><category></category></item><item><title><![CDATA[git实战项目练习]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/129650500</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/129650500</guid><author>lad_z</author><pubDate>Sun, 19 Mar 2023 14:30:38 +0800</pubDate><description><![CDATA[git实战项目联系
git实战联系]]></description><category></category></item><item><title><![CDATA[Error creating bean with name ‘user‘: Unsatisfied dependency expressed through field ‘jwtTokenManage]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/129336454</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/129336454</guid><author>lad_z</author><pubDate>Sat, 04 Mar 2023 17:22:38 +0800</pubDate><description><![CDATA[Windows~~~Nacos 2.2.0.1以上版本启动错误，报如下错误org.springframework.beans.factory.UnsatisfiedDependencyException: Error creating bean with name 'user': Unsatisfied dependency expressed through field 'jwtTokenManager';。
Nacos 2.2.0.1启动服务失败， 提示Error creating bean with ]]></description><category></category></item><item><title><![CDATA[Windows ~~~ ERROR 1045 (28000): Access denied for user ‘root‘@‘localhost‘ (using password: NO)]]></title><link>https://blog.youkuaiyun.com/lad_z/article/details/129271825</link><guid>https://blog.youkuaiyun.com/lad_z/article/details/129271825</guid><author>lad_z</author><pubDate>Tue, 28 Feb 2023 23:01:40 +0800</pubDate><description><![CDATA[Windows ~~~ ERROR 1045 (28000): Access denied for user 'root'@'localhost' (using password: NO)
Windows ~~~ ERROR 1045 (28000): Access denied for user 'root'@'localhost' (using password: YES)
ERROR 1045 (28000): Access denied for user 'root'@'localhost' (us]]></description><category></category></item></channel></rss>