【JAVA基础】Integer Long比较需要注意的点

在Java中,数值类型如 int, long 等有其对应的包装类,例如 IntegerLong。这些包装类实现了对象的功能,例如可以为它们添加方法,同时它们也是可空的,也就是说你可以声明一个 IntegerLong 类型的变量并将其设为 null

为了提高性能,Java的自动装箱和拆箱机制会缓存一定范围内的 IntegerLong 对象。对于 Integer,默认情况下,这个缓存范围是 -128127(可以通过系统属性 java.lang.Integer.cache.high 修改上限)。对于 Long,没有默认的缓存范围,所以每次创建 Long 对象都会生成一个新的实例,除非显式地创建缓存池。

当你比较两个 Long 值时,如果它们的值不在 -128127 之间,那么即使这两个值相等(数值相同),你也必须使用 equals() 方法来进行比较,而不能使用 == 运算符。这是因为 == 运算符比较的是对象的引用,而不是它们的值。由于 Long 对象在该范围内不会被缓存,每次使用自动装箱时都会创建新的 Long 实例,即使数值相同,它们的引用也会不同。

Long a = 128L;
Long b = 128L;
System.out.println(a == b); // 输出 false,因为 a 和 b 是不同的对象实例
System.out.println(a.equals(b)); // 输出 true,因为数值相等

而如果数值在 -128127 范围内,由于缓存的存在,== 运算符和 equals() 方法都会得到正确的结果:

Integer c = 127;
Integer d = 127;
System.out.println(c == d); // 输出 true,因为 c 和 d 引用的是同一个缓存的对象实例
System.out.println(c.equals(d)); // 输出 true,因为数值相等

因此,在比较 Long 对象时,尤其是当它们的值可能超出 -128127 范围时,推荐使用 equals() 方法,以确保比较的是它们的数值而不是对象引用。

### 大模型对齐微调DPO方法详解 #### DPO简介 直接偏好优化(Direct Preference Optimization, DPO)是一种用于改进大型语言模型行为的技术,该技术通过结合奖励模型训练和强化学习来提升训练效率与稳定性[^1]。 #### 实现机制 DPO的核心在于它能够依据人类反馈调整模型输出的概率分布。具体来说,当给定一对候选响应时,DPO试图使更受偏好的那个选项具有更高的生成概率。这种方法不仅简化了传统强化学习所需的复杂环境设置,而且显著增强了模型对于多样化指令的理解能力和执行精度[^2]。 #### PAI平台上的实践指南 为了便于开发者实施这一先进理念,在PAI-QuickStart框架下提供了详尽的操作手册。这份文档覆盖了从环境配置直至完成整个微调流程所需的一切细节,包括但不限于数据准备、参数设定以及性能评估等方面的内容。尤其值得注意的是,针对阿里云最新发布的开源LLM——Qwen2系列,文中给出了具体的实例说明,使得即使是初次接触此类工作的用户也能顺利上手。 ```python from transformers import AutoModelForCausalLM, Trainer, TrainingArguments model_name_or_path = "qwen-model-name" tokenizer_name = model_name_or_path training_args = TrainingArguments( output_dir="./results", per_device_train_batch_size=8, num_train_epochs=3, ) trainer = Trainer( model_init=lambda: AutoModelForCausalLM.from_pretrained(model_name_or_path), args=training_args, train_dataset=train_dataset, ) # 假设已经定义好了train_dataset trainer.train() ``` 这段代码片段展示了如何使用Hugging Face库加载预训练模型并对其进行微调的过程。虽然这里展示的例子并不完全对应于DPO的具体实现方式,但它提供了一个基础模板供进一步定制化开发之用[^3]。
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