中国队刷新知识图谱 202201

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 132平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄19年

关注

转载最新推荐文章于 2026-11-10 19:31:13 发布 132 阅读 AI 写同款· GEO 优化 ›

(三十四)人工智能应用--自然语言处理--自然语言处理概述 自然语言处理（NLP）是让机器理解人类语言的交叉学科，涵盖语音识别、语义理解与生成。其发展历经规则驱动、统计学习到深度学习三阶段，核心突破在于词向量（如Word2Vec）实现语义表示。课程以“三层金字塔”框架梳理基础技术、核心技术与应用实践，并强调数据维度：文本为2D，序列3D，图像4D，视频5D，第一维恒为样本数。掌握文本→ID→Embedding的转化链路，是构建模型的基础。阅读详情

百度安全验证

收录于

NLP

当前文章被收录于：

NLP

247 篇文章 4 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#自然语言处理

原文链接：https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9823181777595650577%22%7D&n_type=-1&p_from=-1>

简述 LLaMA（Large Language Model Meta AI）的基本原理阅读详情

相关推荐

ST-LLM+ 交通拥堵预警：把路网邻接矩阵塞进大语言模型

空间智能实验室 Vol.16：ST-LLM+ 交通拥堵预警：把路网邻接矩阵塞进大语言模型大语言模型做交通预测，听起来像蹭概念，其实这条路线有明确的技术动机：交通流量的时序模式和人话里的时序模式长得一样，上下文、周期、趋

yilvyangguang520的博客 141

自然语言处理的技术演进与核心任务

从早期的规则与统计方法，到以神经网络为代表的深度学习方法，再到当前以大规模预训练语言模型为主导的范式，这一领域发生了深刻变化。早期的自然语言处理高度依赖人工编写的语言规则与词典，虽在受限场景可用，却难以覆盖语言的开放性与多样性。这种先通识后专精的范式，使自然语言处理从分散的小模型走向统一的能力底座，也催生了对话、写作、摘要等丰富应用。对话系统把理解与生成结合，在上下文中持续回应。这类能力极大提升了内容生产的效率，但也带来事实准确性与原创性的挑战，需要配合检索与人工审核，避免流畅却失实的表达误导读者。

renhongxia1的博客 512

Blender学习笔记——制作向量场

#下载Blender - UE4 - FGA Vector Field Editor插件的压缩包，Github上的下载地址如下：https://github.com/isathar/Blender_UE4_VectorFieldEditor #下载并解压后将FGA VectorFields文件夹复制到C:\Program Files\Blender Foundation\Blender 2.83\2.83\scripts\addons目录下，此步骤可根据blender安装的位置自行调整，只要放入addon

wychao2020的博客 1725

总结1：大语言模型概述

AI是什么 → AI发展从1.0到2.0的演变 → 什么是大语言模型LLM → 市面上常见大模型介绍 → 大模型各行各业落地应用 → 大模型未来趋势与现存挑战、解决办法

xiaobaivera的博客 392

告别Qt Creator！VSCode + QMake + MinGW：从零搭建高效Qt开发环境

本文详细介绍了如何使用VSCode替代Qt Creator搭建高效的Qt开发环境，涵盖VSCode配置、QMake与MinGW集成、智能提示优化及构建调试技巧。通过实战案例展示如何提升开发效率30%以上，特别适合中大型Qt项目开发。

weixin_30466039的博客 243

WIFI中CSI的读取

学习目标：目前正在做基于WIFI的无设备定位，准备使用信道状态信息（CSI），学习一下。目前采集数据环境已经搭建好，准备研究信号的预处理。学习内容： 1、信号的读取——read_bf_file函数的研究 2、 3、 4、 1. read_bf_file详解： %READ_BF_FILE Reads in a file of beamforming feedback logs. % This version uses the *C* version of read_bfee, ...

sz3076799的博客 8892

11.04 大语言模型研究简报：OpenAI 工程 Agent 在 BenchCAD 2.0 上达到 0.875 分

大型语言模型的应用场景正在从代码编写延伸至真实的工程设计。2026 年 11 月 3 日，OpenAI 发表《Accelerating engineering for the physical world》，介绍 GPT-6 Astra 与 Codex 在机械设计、计算机辅助设计（CAD）、印刷电路板（PCB）设计、有限元分析（FEA）及制造工作流中的应用。

qq_48717745的博客 422

从零到一：手把手教你用SAM-BA工具完成嵌入式系统烧录

本文详细介绍了如何使用SAM-BA工具完成嵌入式系统烧录的全过程，包括环境搭建、硬件连接、Bootloader烧录以及完整系统镜像的烧录步骤。针对常见问题提供了实用的排查指南，并分享了批量烧录和自定义脚本的高级技巧，帮助开发者高效完成嵌入式系统开发。

weixin_42523792的博客 381

港大 RosettaSim 让语言模型学会长时交通仿真（ECCV 2026）

在验证集 2% 子集、骨干冻结及单个 epoch 的训练预算下，Qwen2.5-0.5B-Instruct 的综合分数达到 0.7620，优于 Llama-3.2-1B-Instruct 的 0.7594、TinyLlama 的 0.7397 和 GPT-2-Small 的 0.5425。SMART 和 CAT-K 的行为整体分数较高，而 RosettaSim 在持续补充新参与者的同时，取得了更好的交通流表现与综合分数。在常见的短时设置中，模拟器主要关注初始场景里的参与者，预测它们接下来如何运动。

soaring_casia的专栏 113

华为手机连接Win11失败？内核隔离与驱动签名冲突的终极解决指南

在Windows操作系统中，驱动程序是硬件与系统通信的桥梁，其数字签名机制是保障系统内核安全的核心防线。基于虚拟化的安全技术通过强制验证驱动签名，能有效隔离恶意代码，提升系统抵御高级威胁的能力。然而，严格的签名策略有时会与部分硬件驱动产生兼容性问题，导致设备无法识别，直接影响文件传输、应用调试等核心工作流。本文聚焦于华为手机在开启Windows 11内核隔离功能时出现的连接故障，深入剖析驱动签名验证与Hypervisor保护的代码完整性原理，并提供从驱动更新、策略调整到无线替代方案的完整解决路径，帮助用户在

weixin_31309419的博客 352

DEM边界数值爆炸？用ArcGIS空间分析工具链搞定异常值过滤全流程

本文针对DEM数据处理中常见的边界数值爆炸问题，提供了一套完整的ArcGIS空间分析解决方案。文章深入剖析了异常值产生的根源，并详细介绍了从诊断、定位到使用栅格计算器、重分类等工具进行精准过滤与修复的全流程工作流，帮助用户彻底解决由插值误差、数据拼接及坐标系转换引发的数值异常。

weixin_29269441的博客 148

论文 | WebCopass：面向代码语言模型的多模态Web编码评估 | 多模态网页编码评估基准

WebCompass：面向代码语言模型的多模态Web编码评估多模态基准测试平台完整的 lifecycle：生成-编辑-修复用任务感知评估方法，需要强大的功能推理能力，还深入的视觉设计理解和更高的输出一致性。代码生成评估流程图：流程：模型上下文协议（MCP）对真实浏览器的控制。

weixin_42479421的博客 108

Challenge 4 - OSCP A

在c盘下发现一个windows.old，在里面可以找到SYSTEM和SAM文件，下载到本地，利用samdump2解密发现没解出来，再来试试pwdump.py(https://github.com/CiscoCXSecurity/creddump7)得到压缩包密码bludecode，解压之后发现一个比较特殊的文件configuration.php，里面有两个类似密码的字符串。登录之后在/opt/backups/下发现几个特殊文件，其中sitebackup3.zip是个正常的压缩包。但是这个压缩包是有密码的。

羽的博客 5784

【字节拥抱开源】Cola2：用连续隐变量重构语言模型，346B Token 跑出 60.10 八任务均分

Cola2 是一款基于连续隐变量的自适应语言模型，通过动态语义压缩与块因果扩散 Transformer（DiT）实现高效生成。它在346.03B token上训练，八项评测平均得分60.10，性能超越部分更大规模模型。其核心创新在于联合优化隐变量压缩与离散解码，支持受控扩展与稳定推理。项目提供完整权重、工具链及评测数据，适用于研究与应用。

weixin_41446370的博客 242

使用 Python 构建 Reddit 热帖爬虫：抓取热门讨论帖和评论

在现代互联网中，Reddit 被誉为全球最大、最活跃的讨论平台之一，汇聚了各种主题的帖子、评论和社交互动。因此，抓取 Reddit 上的热门帖子和评论可以为我们提供一个丰富的文本数据源，可以用于情感分析、话题建模、趋势分析等应用。Reddit 提供了官方的 API，可以让开发者获取包括帖子、评论、用户信息等在内的各种数据。我们可以结合上述方法，抓取多个热门帖子，并将每个帖子的标题、作者、发布时间和评论内容保存到一个数据结构中。每个帖子的对象包含了丰富的信息，如标题、内容、发布时间、作者等。

2201_76125261的博客 382

SIMATIC S7-1200, S7-1500 PID 控制[手册]

新书预告从《Transformer与大语言模型》到《LLM量化实战》

《Transformer 与大语言模型》完结，新系列《LLM 量化实战》启动。上一本解析“为什么”设计大模型，本册聚焦“怎么”让模型变小变快——从FP16到4-bit量化，详解GPTQ、AWQ、QLoRA、GGUF等技术，结合RTX 4090实测，手把手教你压缩模型、降低显存、部署推理。适合想在8GB~24GB显存设备上运行7B/70B模型的开发者与工程师。原理+实战双线并进，只写真实跑通的结果。

AI服务生活 336

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

总结2：大语言模型入门

我用开一家AI小餐馆做整套比喻：把大模型想象成一家餐馆，大语言模型就是餐馆本身；训练原理就是装修、培训后厨；使用技巧是顾客怎么点菜才能吃到合心意的菜；解决幻觉就是避免后厨瞎编菜品；Agent智能体是雇来的全能店长；模型生态就是选后厨是自研（开源）还是外包（闭源），以及调整后厨规模大小。下面按顺序梳理，每个专业术语配一句话解释+生活化例子。

xiaobaivera的博客 737

最新的sdio 4.0 spec 协议标准带书签高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准带书签高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

来自Transformers的双向编码器表示(BERT)

BERT是一种基于Transformer编码器的双向预训练语言模型，通过自监督学习在大规模语料上进行掩蔽语言模型（MLM）和下一句预测（NSP）任务预训练。其输入包含词元、片段和可学习位置嵌入，利用双向上下文表示词元。预训练后，可微调用于下游自然语言处理任务。实验表明，BERT能生成上下文敏感的词向量，有效捕捉语义信息。

2301_76293625的博客 221

【量化实战】单卡3090部署Hy-SimulMT-30B-A3B-Interleave同传大模型

本文基于LLM Compressor实现Hy-SimulMT-30B-A3B-Interleave模型的单卡3090部署，通过W4A16 RTN量化压缩至4bit权重，保留MoE路由层与音频编码器不量化，结合补全组件与配置，成功将30B模型适配于单张RTX 3090显卡。量化后模型支持中英语音同传、实时音色克隆，延迟仅3秒，性能领先开源与商用方案，已开源至ModelScope供直接使用。

yd778473278的博客 121

BERT模型详解：为什么它擅长文本理解与分类？核心机制、应用实战与变种进化

学习目标：理解BERT出现前传统NLP模型的局限，以及BERT如何通过双向编码突破瓶颈比如GPT系列采用自回归式（Autoregressive）生成，只能从左到右建模文本；全文依次讲解BERT的诞生：解决NLP的单向困境、BERT核心原理深度解析、为什么BERT擅长文本理解与分类？、BERT实战：文本分类任务示例、BERT的变种与进化等内容。

2602_96795563的博客 172

【零基础学AI】第 28 章——大语言模型怎样训练出来

上一章的小模型训练 300 次后，能沿着已有前缀续写。现在要分清两件事，模型参数是怎样得到的，以及参数固定以后，程序怎样选择输出。把温度从 1 改成 2，不等于重新训练；输入一条要求，也不会自动把它写进模型参数。本章说明语料准备、预训练、指令微调、偏好优化和推理的关系，再复用第 27 章的固定模型进行 49 次生成。你会看到较高温度出现不通顺文字，也会看到两组不同温度恰好产生相同统计。前置依赖为第 27 章，本章代码见。

m0_73879806的博客 329

TALLRec：一种有效且高效的调优框架，使大型语言模型与推荐保持一致

大型语言模型（LLM）在不同领域表现出了卓越的性能，从而促使研究人员探索其在推荐系统中的应用潜力。最初的尝试利用了 LLM 的卓越能力，例如通过上下文学习丰富的知识和强大的泛化能力，其中涉及将推荐任务表述为提示。然而，由于LLM的训练任务和推荐任务之间存在巨大差异，以及预训练期间的推荐数据不足，LLM在推荐任务中的表现仍然不够理想。为了弥补这一差距，我们考虑通过使用推荐数据调整 LLM 来构建大型推荐语言模型。为此，我们提出了一个高效且有效的调整框架，用于使 LLM 与建议保持一致，即 TALLRec。

flying_1314的博客 242

编码器与解码器深度解析：BERT与GPT的本质区别（附Transformer架构对比）

## 学习目标掌握Transformer架构中编码器（Encoder）与解码器（Decoder）的核心结构与作用理解BERT（纯Encoder模型）与GPT（纯Decoder模型）的本质差异学会根据任务场。全文依次讲解Transformer架构：编码器与解码器的母体、编码器的代表：BERT——理解之王等内容。

2602_96795563的博客 364

作为人类代理的大语言模型及其角色分类！

角色分类核心比喻关键能力当前成熟度执行型手脚工具调用★★★★★ 已广泛商用规划型大脑任务分解与推理★★★☆☆ 快速发展中交互型心灵情感与记忆★★★★☆ 应用广泛学习型海绵持续适应★★☆☆☆ 理论为主协作型团队多智能体沟通★★☆☆☆ 前沿探索未来趋势：这些角色并非孤立存在。一个强大的“人类代理”往往是多种角色的融合体。例如，一个顶尖的个人助理Agent，它既需要执行你的命令（订机票），也需要规划你的行程（考虑天气、交通、会议时间），还需要学习。

m0_65595995的博客 105

大语言模型与运筹规划双闭环共生（LLM-OR）：体系架构、理论机理与落地实践

通过构建前向形式化建模、反向 IIS 最小冲突诊断以及对偶敏感性商业洞察的闭环系统，企业能够将以往高度依赖运筹学专家人工干预的静态求解过程，转变为兼具高弹性、强鲁棒性与高解释性的自主智能决策体系。

Cat_fish_snow的博客 297

上一篇：阅读经典——《数值最优化》英文专著阅读博客

下一篇：初值定理_百度百科

ST-LLM+ 交通拥堵预警：把路网邻接矩阵塞进大语言模型

yilvyangguang520的博客

11-05

141