null18的博客

这篇博客的发表纯纯是爱好，本文的作者也就是我，断断续续也健身了一年，卧推从一开始50kg，涨到了现在的110kg左右，个人感觉这个过程还是十分快乐的，本次博客主要是介绍一下宽距卧推和窄距卧推的不同之处，具体看下文！

像ChatGPT和GPT-4这样的大型语言模型(llm)的发展引发了关于人工通用智能(AGI)出现的讨论。然而，在开源模型中复制这样的进步是具有挑战性的。本文介绍了一个开源法学硕士InternLM2，它通过创新的预训练和优化技术，在6个维度和30个基准的综合评估、长上下文建模和开放式主观评估方面优于其前身。InternLM2的预训练过程非常详细，突出了各种数据类型的准备，包括文本、代码和长上下文数据。InternLM2有效地捕获长期依赖关系，最初训练4k代币，然后在预训练和微调阶段提升到32k代币，

论文题目：融合知识图谱和语义匹配的医疗问答系统作者信息：徐若卿 （三峡大学 计算机与信息学院， 湖北 宜昌 443000）原文地址问答系统是自然语言处理领域中的一项重要任务，常应用于医疗服务。传统的问答系统通过 知识图谱的实体关系匹配返回相应的尾实体作为答案，然而，倘若实体或关系无法识别或在知识图谱中并 不存在相应实体关系，问答将无法继续进行。为了解决这一问题，文中建立了一种融合知识图谱和语义匹 配模型的中文医疗问答混合框架。

论文题目：大语言模型融合知识图谱的问答系统研究作者信息：张鹤译1，王鑫 1+ ，韩立帆1，李钊 1 ，陈子睿1，陈哲 21.天津大学智能与计算学部，天津300354 2.天津中医药大学循证医学中心，天津301617原文地址代码:https://github.com/zhangheyi- 1/llmkgqas-tcm/大语言模型（large language model，LLM），包括ChatGPT，在理解和响应人类指令方面表现突出，对自 然语言问答影响深远。然而，由于缺少针对垂直领域的训练，LLM。

论文题目：基于知识图谱关系路径的多跳智能问答模型研究作者信息：张元鸣，姬琦，徐雪松，程振波，肖刚（浙江工业大学计算机科学与技术学院，浙江杭州 310023）原文地址多跳问题是一类通过知识推理才能给出答案的复杂问题，往往需要相关的多项关联知识融合生成最终答案.现有基于知识图谱的多跳智能问答方法推理过程比较复杂，没有考虑关系路径蕴含的结构信息和语义信息.为此，本文提出了基于知识图谱关系路径的多跳智能问答模型，*将多跳智能问答问题转换为在低维向量空间中查找知识图谱中最优关系路径的问题。