【思维片段】周日午后

看过一句话,人与人的区别在脖子以上!

无论身躯的强壮与否,脑袋才是决定这个人能站在何种位置的决定因素!

经常的发现自己被很多琐事所羁绊,视野变得短浅,心胸变得狭隘,思想乱如麻,生活态度也变得懒惰、没有激情,当猛然醒来又懊悔不已,转眼浪费了那么多的时光。于是打鸡血的日子又会持续一段时间,但不知不觉又被琐碎打乱,如此往复。

生活中有太多的事打散我们的注意力,消磨我们的意志。与父辈们观念的差异、思维方式的不同、与妻子偶尔的争吵等等,这些看似小事却无穷无尽的消磨着我们的意志。

必须跳出这个怪圈,必须停止不尽的想太多,有更多更有价值的事需要我去追求。


巴菲特以及他的合伙人查理,创造了投资史上的神话,他们的投资方式真的是高深莫测吗?其实并不是,更大程度上是他们对“价值”的认知,他们只投资有价值的公司,无论此时他们是盈是亏。

那么,什么才是有价值,对于一个人抑或一个公司,价值的根本是对这个社会、甚至是对人类有价值,无论价值大到可以促进文明的进步或者小到仅仅方便我们的日常生活,这都是价值。

我们每个人都要反省自己,你的存在是否有价值,你的公司是否有价值,是否在为这个社会,为我们人类做出贡献。你是否在从事一些伤天害理、利己不利人、炒快钱等职业,你从事的公司业务是否有利于社会?如果不是,那么这个人、这个公司终将走向灭亡。

对社会、对人类的贡献有多大,你的财富就有多少。


思维方式总是决定一个人的高度,我是一个普通人,但我不甘平庸!

我身边充满了琐碎,但是我不能被琐碎淹没!

提升自己的能力,创造价值!

放开心胸,包容一切,海纳百川,有容乃大!



资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值