<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[livepy的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/livepy</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; livepy]]></copyright><item><title><![CDATA[wsl ubuntu vscode 报无法验证证书]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/148364879</link><guid>https://blog.youkuaiyun.com/livepy/article/details/148364879</guid><author>livepy</author><pubDate>Sun, 01 Jun 2025 12:07:09 +0800</pubDate><description><![CDATA[今天在wsl ubuntu里面运行code. 的时候报下面的错误信息。由于我的ubuntu无法认证SSL导致下载失败。可以重新使用VS Code了。]]></description><category></category></item><item><title><![CDATA[如何在WSL的Ubuntu里面启动腾讯微搭]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/148300475</link><guid>https://blog.youkuaiyun.com/livepy/article/details/148300475</guid><author>livepy</author><pubDate>Thu, 29 May 2025 09:30:05 +0800</pubDate><description><![CDATA[由于WSL 的Ubuntu是一个裁剪系统，因此它是不存在/sys/class/dmi/id/product_uuid这个文件的，而腾讯微搭的私有化部署在启动的时候需要绑定设备和证书之间的关系，由于获取不到本地的机器码信息，导致系统无法启动。因此需要手动创建一个模拟器。注意由于系统限制，这个模拟器需要会话结束后都重新启用。到目前为止已经模拟了这个ID，后续就可以正常安装了。]]></description><category></category></item><item><title><![CDATA[ Cross Encoder 架构类型]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/147889922</link><guid>https://blog.youkuaiyun.com/livepy/article/details/147889922</guid><author>livepy</author><pubDate>Mon, 12 May 2025 10:02:17 +0800</pubDate><description><![CDATA[是一种用于处理文本对（text pair）任务的深度学习模型架构，常用于Rerank（重排序）问答匹配自然语言推理（NLI）等任务。与双塔模型（Dual Encoder）不同，Cross Encoder 会将两个输入（通常是 Query 和 Document）拼接在一起输入模型，进行联合编码和语义交互。项目表现检索精度✅ 非常高（最强之一）推理速度❌ 慢，随候选数量线性增长并行化能力✅ 支持 GPU 批量处理优化是否可离线预计算❌ 否，必须实时对每个 query-doc pair 推理。]]></description><category></category></item><item><title><![CDATA[RAG 中 Rerank 模型介绍]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/147889778</link><guid>https://blog.youkuaiyun.com/livepy/article/details/147889778</guid><author>livepy</author><pubDate>Mon, 12 May 2025 09:59:20 +0800</pubDate><description><![CDATA[的效果受的质量影响极大。Rerank 模型用于对初始检索出的候选文档重新打分和排序，从而提升最终生成回答的相关性和准确性。目前主流和效果较好的 Rerank 模型主要基于的组合，其中 Cross Encoder 用于精排，是效果最好的类别。]]></description><category></category></item><item><title><![CDATA[开源智能应答机器人 - Rasa-Pro源代码安装及启动 (1)]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/147408995</link><guid>https://blog.youkuaiyun.com/livepy/article/details/147408995</guid><author>livepy</author><pubDate>Wed, 23 Apr 2025 10:00:18 +0800</pubDate><description><![CDATA[Rasa作为一个开源的智能应答机器人其模块非常成熟，同时Rasa-Pro虽然不开源，但是在本地安装后是可以直接进行前后端的代码阅读，并且也可以发布为自己的应答机器人。而Rasa-Pro在最新版本中引入了LLM模式，在它原来的自然语言实现的基础上更上一层楼。理解Rasa-Pro的源代码可以对我们AI相关技能的提高非常有用：1、如何用现有的开源模块实现自己的自然语言理解模块，rasa-pro是一个国外的版本，虽然对于中文模块支持感觉不是特别好，但是其整个软件框架还是非常有借鉴意义。]]></description><category></category></item><item><title><![CDATA[WSL2 已经安装Ubuntu Docker的情况下使用Docker Desktop]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/147161849</link><guid>https://blog.youkuaiyun.com/livepy/article/details/147161849</guid><author>livepy</author><pubDate>Sat, 12 Apr 2025 11:38:11 +0800</pubDate><description><![CDATA[在WSL2 Ubuntu 里面需要使用Docker的时候，发现一些应用对于WSL 内部Docker支持的不是很好，需要使用Docker Deskop来支持。但是在发布的时候出现了很多默认不使用Docker Desktop Docker的情况。最后解决方案是通过拷贝windows的 kube配置到docker里面。默认的docker驱动。]]></description><category></category></item><item><title><![CDATA[如何绕过墙安装Docker Hub相关内容]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/146034362</link><guid>https://blog.youkuaiyun.com/livepy/article/details/146034362</guid><author>livepy</author><pubDate>Fri, 11 Apr 2025 15:25:13 +0800</pubDate><description><![CDATA[最近在安装 kindest/node:v1.27.3的时候一直被限制，原来通过 /etc/docker/daemon.json 添加镜像的一直不行，最后通过如下的命令搞定。]]></description><category></category></item><item><title><![CDATA[Ｆａｉｓｓ如何通过替换槽位提高意图识别的准确度]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/146123360</link><guid>https://blog.youkuaiyun.com/livepy/article/details/146123360</guid><author>livepy</author><pubDate>Sat, 08 Mar 2025 21:45:36 +0800</pubDate><description><![CDATA[ｆａｉｓｓ余弦相似度识别的时候如果一句话里面包含几个槽Ｓｌｏｔ，这些Ｓｌｏｔ包含一些各自的字典，比如城市、水果等等，需要在训练数据中替换这些槽位，以增强意图识别的泛化能力。这样，即使用户用不同表达方式查询，FAISS 也能正确识别意图。这样，即使用户输入不同水果，FAISS 也能找到正确的意图。，这样不管用户输入哪种水果，FAISS 都能正确匹配。，让 FAISS 见过各种可能的句子，适用于。：加入不同表达方式，提高泛化能力，适用于。相关的句子是："我要买[水果]"，：先替换槽位为通用模板再查询，适用于。]]></description><category></category></item><item><title><![CDATA[FAISS 使用量化和蒸馏模型加速 SentenceTransformer的推理]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/146122908</link><guid>https://blog.youkuaiyun.com/livepy/article/details/146122908</guid><author>livepy</author><pubDate>Sat, 08 Mar 2025 21:16:13 +0800</pubDate><description><![CDATA[❌ 需要额外的 GPU 训练资源。量化，减少存储和计算量。，存储更少，计算更快。，但语义理解稍微下降。，训练数据量要足够。]]></description><category></category></item><item><title><![CDATA[SentenceTransformer模型向量计算和用Jieba + NLP的差异]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/146122859</link><guid>https://blog.youkuaiyun.com/livepy/article/details/146122859</guid><author>livepy</author><pubDate>Sat, 08 Mar 2025 21:10:34 +0800</pubDate><description><![CDATA[（或 MiniLM）预训练的 Transformer 模型，能够理解。主要依赖规则和统计方法。，SentenceTransformer 在 CPU 上跑。，已经比传统 NLP 强很多了！也是可以的，但如果是。，难以处理语义相似性。]]></description><category></category></item><item><title><![CDATA[为什么在NLP里面使用FAISS的精度没有余弦高]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/146116596</link><guid>https://blog.youkuaiyun.com/livepy/article/details/146116596</guid><author>livepy</author><pubDate>Sat, 08 Mar 2025 15:08:36 +0800</pubDate><description><![CDATA[ＮＬＰ意图识别测试FAISS识别的精确度还没有余弦的高的原因]]></description><category></category></item><item><title><![CDATA[spacy、jieba、hanlp实体识别技术选型经历]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/144283189</link><guid>https://blog.youkuaiyun.com/livepy/article/details/144283189</guid><author>livepy</author><pubDate>Fri, 06 Dec 2024 10:41:02 +0800</pubDate><description><![CDATA[最近在研究数字员工中文智能实体识别相关的内容，涉及到了技术选型，最开始是从rasa开始研究，rasa提供了基于spacy、regex（规则）、mitie等多种类型的实体抽取，但是发现这些对于英文支持好，对于中文存在很多问题，为此开始自己摸索所有对于实体识别相关的技术，并且通过测试来判断是否适合。]]></description><category></category></item><item><title><![CDATA[Hugging Face Transformers 几个实体识别模型比较]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/143946372</link><guid>https://blog.youkuaiyun.com/livepy/article/details/143946372</guid><author>livepy</author><pubDate>Thu, 21 Nov 2024 15:13:45 +0800</pubDate><description><![CDATA[支持中文的命名实体识别（NER）任务。你可以使用预训练的中文模型，例如。等，它们经过中文数据的微调，可以用于实体识别任务。你可以使用 Hugging Face 的。]]></description><category></category></item><item><title><![CDATA[解决 npm ERR! code UNABLE_TO_GET_ISSUER_CERT_LOCALLY]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/143915899</link><guid>https://blog.youkuaiyun.com/livepy/article/details/143915899</guid><author>livepy</author><pubDate>Wed, 20 Nov 2024 15:54:10 +0800</pubDate><description><![CDATA[npm 安装碰到 npm ERR! code UNABLE_TO_GET_ISSUER_CERT_LOCALLY]]></description><category></category></item><item><title><![CDATA[在意图识别的时候，如何让问题也参与到意图分类的计算中]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/143886252</link><guid>https://blog.youkuaiyun.com/livepy/article/details/143886252</guid><author>livepy</author><pubDate>Tue, 19 Nov 2024 15:19:14 +0800</pubDate><description><![CDATA[如果需要让问题也参与到意图分类的计算中（即问题和答案的语义关系一起影响分类结果），可以通过以下方式实现。这种方式更适合于上下文关联性强的场景，比如根据问题和答案的语义共同决定分类标签。]]></description><category></category></item><item><title><![CDATA[几个zero-shot-classification 中文模型的比较]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/143885588</link><guid>https://blog.youkuaiyun.com/livepy/article/details/143885588</guid><author>livepy</author><pubDate>Tue, 19 Nov 2024 15:12:25 +0800</pubDate><description><![CDATA[zero-shot-classification里面有好几个中文模型，怎么知道哪个模型最好，下面是我对于最简单的问题进行的测试。]]></description><category></category></item><item><title><![CDATA[text-classification 和 zero-shot-classification 区别]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/143880223</link><guid>https://blog.youkuaiyun.com/livepy/article/details/143880223</guid><author>livepy</author><pubDate>Tue, 19 Nov 2024 12:14:44 +0800</pubDate><description><![CDATA[需要有明确的标签集合，并且需要在这些标签上进行训练。适用于标签固定且任务清晰的文本分类任务。：不需要训练，可以根据给定的标签进行分类，适用于标签灵活、变化较多或没有标签数据的任务。如果你有一组固定的标签并且能够进行模型微调，是更好的选择。而如果你的标签比较动态或者没有足够的训练数据，提供了更大的灵活性。]]></description><category></category></item><item><title><![CDATA[IDA修改微信浏览器，允许F12代码检查]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/142525119</link><guid>https://blog.youkuaiyun.com/livepy/article/details/142525119</guid><author>livepy</author><pubDate>Fri, 01 Nov 2024 19:22:17 +0800</pubDate><description><![CDATA[IDA修改微信浏览器，允许F12代码检查]]></description><category></category></item><item><title><![CDATA[拦截PC微信浏览器（视频号）的HTTP请求]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/142523141</link><guid>https://blog.youkuaiyun.com/livepy/article/details/142523141</guid><author>livepy</author><pubDate>Wed, 25 Sep 2024 15:23:46 +0800</pubDate><description><![CDATA[什么鬼东西，前面还正常呢，这个太复杂了，也无法后续做成一个拦截服务来进行，还是使用mitmproxy吧，至少是python 写的开源代码，可以二次扩展而且也简单。捣蛋的是BurpSuitePro是Java写的，又去下载了一个jre-1.8，一通配置开始按照说明破解并且启动BurpSuitPro2024.PC。搞死人，又是命令行又是破解，最后还必须通过破解软件界面的”run“启动，一通配置，最后得到了这个界面。）可是这里的两个软件是要导航到一个付费地址，最后在网上折腾了半天，终于搞下来了2个破解版。]]></description><category></category></item><item><title><![CDATA[提交WSL Ubuntu下已有代码到阿里云效]]></title><link>https://blog.youkuaiyun.com/livepy/article/details/142094632</link><guid>https://blog.youkuaiyun.com/livepy/article/details/142094632</guid><author>livepy</author><pubDate>Tue, 10 Sep 2024 11:43:01 +0800</pubDate><description><![CDATA[3、git clone 项目到unbutn 目录下 比如 a.git。1、先开通阿里云效的账号及SSH密码。2、在阿里云云效创建一个项目。]]></description><category></category></item></channel></rss>