2026 年 4 月:从稀疏 Cholesky 分解推导消元树,解锁矩阵分解新路径

无线信道指纹定位:从CIR建模到稀疏表示的数学实践 无线信道指纹定位是一种基于物理层信号特征的空间感知技术,其核心在于将多径信道冲激响应(CIR)视为环境特有的‘电磁肖像’。原理上,它利用电磁波在室内传播中受墙体、家具等散射形成的稳定畸变模式,通过数学建模提取可区分、鲁棒性强的特征表示。相比GPS与TOA/TDOA等依赖视距与同步的传统方法,指纹法不依赖传播时间测量,专为NLoS主导的室内场景而生,具备部署灵活、精度可控的技术优势。典型应用涵盖室内导航、医疗设备定位、教室人数无感统计等低功耗物联网场景。本文聚焦CIR数据建模全过程,融合小波包分解、稀疏表示与 阅读详情

稀疏 Cholesky 消元树

2026 年 4 月 9 日,将推导用于计算 `A = LL^T`(其中 `L` 为下三角矩阵,`A` 为稀疏矩阵)的(右视)稀疏 Cholesky 算法的消元树。即便 Cholesky 算法的基本假设(对称性和正定性)不成立,这棵树也是大多数稀疏分解软件的基础。最终,这棵树能告诉我们两件事:1. 即便原矩阵 `A` 中不存在非零元素,矩阵 `L` 中哪些位置会出现非零元素(即“填充”);2. 分解结果的任务依赖图。传统上,这个概念通常是在稀疏三角求解的背景下提出的,然后将其作为 Cholesky 分解的构建块。而想直接从 Cholesky 分解入手,下面将详细阐述。

消元树的动机

假设首先从下面的纯稠密右视 Cholesky 算法伪代码开始:

// 输入:对称正定矩阵 A,赋值给输出矩阵 L
// 输出:L 的下三角部分满足 A = LL^T

for (int k = 0; k < n; ++k) {
    // 1. 分解主元
    L[k][k] = sqrt(A[k][k]);

    // 2. 缩放主元下方的列
    for (int i = k + 1; i < n; ++i) {
        L[i][k] /= L[k][k];
    }

    // 3. 对后续矩阵进行右视秩 1 更新
    // 注意,只有这一步会产生填充。
    for (int j = k + 1; j < n; ++j) {
        for (int i = j; i < n; ++i) {   // 仅下三角部分
            L[i][j] -= L[i][k] * L[j][k];
        }
    }
}

这种隐含的顺序和循环结构形成了一个任务有向无环图(DAG)。当 `A` 是稀疏矩阵时,事实证明,这个 DAG 以及步骤 (3) 中隐含的填充可以完全由 `A` 的初始非零模式和一个简单的树数据结构(即“列消元树”)确定。用一个简单的 `5x5` 矩阵(为便于阅读,仅显示下三角部分)来说明:

矩阵

完整的 Cholesky 任务图

对于上述稀疏矩阵,得到:

图例完整图

正如预期的那样,由于 `A` 是稀疏矩阵,这里有些操作根本不需要执行。如果修剪掉这些操作,就会得到一个小得多的图。

注意,这里的列分组目前没有实际用途,但可以将列分组理解为“当完成列组 `i` 中的所有操作后,后续操作不会再引用列 `i`”。

修剪后的(稀疏)Cholesky 任务图

消除所有不必要的操作后,得到以下结果:

图例修剪图

这个修剪后的图告诉我们,为了对这个稀疏矩阵进行完整的 Cholesky 分解,需要执行的所有操作。但是,为了确定这个图,不得不进行一次“稠密”分解,然后修剪掉不必要的计算。

然而,事实证明,有一种简单的 `O(n)` 数据结构,结合 `A` 的初始非零模式,可以快速告诉我们最终的填充模式以及修剪后的任务图。这就是列消元树。

列消元树

回顾稠密 Cholesky 分解中的步骤 (3):

// 3. 对后续矩阵进行右视秩 1 更新
// 注意,只有这一步会产生填充。
for (int j = k + 1; j < n; ++j) {
    for (int i = j; i < n; ++i) {   // 仅下三角部分
        L[i][j] -= L[i][k] * L[j][k];
    }
}

这告诉我们一个关键的结构事实:如果 `k < j <= i`,`L[i][k]!=0` 且 `L[j][k]!=0`,那么 `L[i][j]!=0`。

现在,当查看修剪后的任务图时,可以看到一些隐含的列依赖关系,如 `0->1` 和 `0->2`。由于 `0` 有两个“父节点”,这是一个 DAG 模式,而不是树。但是,上述结构规则告诉我们,`0->2` 是一条冗余边,因为 `0->1` 必然意味着 `L[1,0]!=0`,`0->2` 必然意味着 `L[2,0]!=0`,因此必须有 `L[2,1]!=0`,所以存在一条隐含边 `1->2`,`0->2` 是冗余信息,因为无论如何都必须先从 `0->1` 开始。如果从列 DAG 中移除所有冗余边,结果就是一棵树:

DAG 与消元树

消元树告诉我们如何根据 `A` 的初始非零模式和结构规则 `k < j <= i`,`L[i][k]!=0` 且 `L[j][k]!=0` 意味着 `L[i][j]!=0` 来生成 `L` 的填充模式。

将把消元树的计算推迟到本文末尾,现在展示如何使用编码为 `parents` 数组的消元树:

使用消元树

符号分解
// 输入:
//   n
//   A_row[i]      : A 的原始下三角行模式
//   parent[k]     : k 在消元树中的父节点,或 -1
//   mark[k]       : 调用者分配的长度为 n 的临时数组
//
// 输出:
//   L_col[k]      : 存在 L[i][k] 的行索引 i >= k
//
// 临时变量:
//   mark[k] 会被覆盖。

void symbolic_cholesky(
    int n,
    int** A_row,
    int* A_row_len,
    int* parent,
    int* mark,
    vector_int* L_col
) {
    for (int k = 0; k < n; ++k) {
        mark[k] = -1;
        vector_clear(&L_col[k]);

        // 包含对角线元素。
        vector_push(&L_col[k], k);
    }

    for (int i = 0; i < n; ++i) {
        for (int p = 0; p < A_row_len[i]; ++p) {
            int k = A_row[i][p]; // 基础非零元素 A[i][k],k < i

            while (k != -1 && k < i && mark[k] != i) {
                mark[k] = i;

                // 树路径表明 L[i][k] 存在。
                vector_push(&L_col[k], i);

                k = parent[k];
            }
        }
    }
}
数值分解

一旦得到了 `L` 的非零模式,使用适当的稀疏矩阵数据结构,根据稠密算法大纲编写数值分解就很直接了。关键步骤是引入填充的步骤,下面是伪 C 代码:

for (int j in L_col[k]) {
    if (j <= k) continue;

    for (int i in L_col[k]) {
        if (i < j) continue;

        L[i][j] -= L[i][k] * L[j][k];
    }
}

由于预先计算了非零模式,因此无需检查这些数值条目是否存在,它们会被预先分配。

计算消元树

消元树本质上是:

parents[k] = min {j>k s.t. L[j,k]!=0}

为了仅使用 `A` 的初始非零元素来计算消元树,而不进行过多的额外工作,需要逐步构建 `parents`。这意味着对于每个 `r`,需要尝试在这棵树中找到通向 `r` 的路径。

因此,如果按顺序遍历 `A` 的行,然后查看列 ID,会得到一个候选路径 `c-> ... -> r`。将 `c->r` 保存在 `ancestors[c]` 中,并沿着祖先节点向上迭代,直到找到一个尚未匹配的列,然后该列的父节点变为 `r`,因为是按顺序遍历行的,所以不可能找到更小的 `r`。

以下是伪 C 代码:

// 计算列消元树。
//
// 输入:
//   n
//   A_row[r]      : A[r,c] 在结构上非零的列 c < r
//   A_row_len[r]  : 行 r 中此类列的数量
//
// 输出:
//   parent[k]     : 列 k 在消元树中的父节点,
//                   如果 k 是根节点,则为 -1
//
// 临时变量:
//   ancestor[k]   : 调用者拥有的长度为 n 的临时数组
//
// 哨兵值:
//   -1 表示 “尚未分配父节点/祖先节点”

void compute_elimination_tree(
    int n,
    int** A_row,
    int* A_row_len,
    int* parent,
    int* ancestor
) {
    for (int k = 0; k < n; ++k) {
        parent[k] = -1;
        ancestor[k] = -1;
    }

    for (int r = 0; r < n; ++r) {
        for (int p = 0; p < A_row_len[r]; ++p) {
            int c = A_row[r][p]; // A[r,c] 存在,且 c < r

            // A[r,c] 给出了祖先约束:
            //
            //     c -> ... -> r
            //
            // 从 c 开始,沿着已发现的路径向上遍历。
            int v = c;

            while (v != -1 && v < r) {
                int next = ancestor[v];

                // 记录在处理行 r 时,v 已向上连接到 r。
                ancestor[v] = r;

                if (next == -1) {
                    // 此路径在 v 处停止。由于行是按升序处理的,r 是第一个需要 v 作为祖先的后续行,因此 r 是 parent[v]。
                    parent[v] = r;
                    break;
                }

                // 继续沿着先前发现的路径遍历。
                v = next;
            }
        }
    }
}

总结

消元树的介绍通常涉及一些初步的图论知识,这些知识总让人感觉与线性代数有些脱节。目的不是取代图论,而是让它更贴近底层算法。直接从右视 Cholesky 分解推导出任务 DAG,对该 DAG 进行修剪,然后表明算法步骤 (3) 所隐含的结构规则导致了任务 DAG 的压缩表示,而这个压缩表示恰好是一棵树。

能源管理基于MATLAB的企业最大需量预测模型:月内峰值追踪与超限风险模拟分析系统设计 项目介绍 MATLAB 企业最大需量预测|月内峰值追踪与超限场景模拟 内容概要:本文介绍了一个基于MATLAB R2025b的企业最大需量预测项目,旨在通过构建月内峰值追踪与超限风险识别模型,实现对企业电力负荷的精细化管理。项目综合考虑时间周期、环境温度、生产强度、特殊日期及随机扰动等因素,构建模拟数据集,并采用装袋回归树和岭回归等机器学习模型进行负荷预测。通过滚动峰值追踪机制,系统动态整合历史真实值与未来预测值,生成月内最大需量趋势曲线,并结合预设阈值实现超限预警。同时支持多场景模拟,如增产、高温、设备集中启动等,评估不同工况下的超限风险,为企业错峰生产、储能调度等决策提供量化支持。项目注重实用性与兼容性,输出形式包括可视化图表、风险等级标识和多格式数据文件,适用于能源管理教学、工业负荷研究及智能用电原型开发。; 适合人群:具备一定MATLAB编程基础,从事能源管理、电力系统分析、工业自动化或智能制造领域的科研人员、工程师及高校师生,尤其适合工作1-3年、希望深入理解负荷预测与企业用电成本控制的技术人员。; 使用场景及目标:①实现企业月内最大需量的动态预测与滚动追踪,提前识别超限风险;②通过多因素场景模拟评估不同生产与环境条件下对需量的影响;③为错峰生产、设备启停优化、储能调度等能源管理决策提供数据支撑;④构建可复现、可扩展的负荷预测分析框架,服务于实际电能管理系统开发。; 阅读建议:此资源以模拟数据为基础,重点在于模型架构设计与管理应用逻辑,建议读者结合提供的代码实例,在MATLAB环境中动手复现数据生成、模型训练、峰值追踪与可视化全过程,并尝试调整特征参数或引入真实数据以深化理解。 立即下载

相关推荐

Matlab实现使用遗传算法的混合能源系统优化.rar

Matlab实现使用遗传算法的混合能源系统优化.rar

状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究(Matlab代码实现)

内容概要:本文系统地研究了无迹卡尔曼滤波(UKF)、扩展卡尔曼滤波(EKF)和粒子滤波(PF)在非线性系统状态估计中的理论基础与实际应用,并结合Matlab代码实现进行了深入剖析。内容涵盖三种滤波算法的核心原理、数学推导及其在轨迹估计等工程问题中的具体实施方法。通过详尽的Matlab编程实例,展示了如何利用这些先进滤波技术解决如目标跟踪、传感器融合等复杂问题,并特别探讨了BP神经网络与EKF结合的优化训练策略以及粒子滤波在提高状态跟踪精度方面的潜力。该资料为希望掌握现代状态估计算法的研究人员和技术爱好者提供了一套完整的理论与实践指南; 适合人群:具备一定编程基础,尤其是熟练使用Matlab工具,且对控制理论、信号处理或相关工程技术领域有初步了解的研发人员和高校学生; 使用场景及目标:① 深入理解UKF、EKF和PF的基本概念及其在非线性动态系统中进行状态变量估计的应用;② 通过Matlab代码实践加深对各滤波器工作机制的理解,能够独立开发相应的算法以应对诸如轨迹预测、多源信息融合等实际挑战;③ 探索将BP神经网络与EKF相结合的新途径,以期提升模型的学习效率和预测准确性; 阅读建议:此资源不仅提供了坚实的理论支撑,还包括丰富的代码示例,建议读者按照文档结构循序渐进地学习,同时动手实现每一个案例,以便更深刻地把握各种滤波技术的关键细节。对于致力于深入研究状态估计领域的专业人士而言,这是一份极具价值的学习材料。

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

DXF、DWG工程制图文件查看器

DXF、DWG工程制图文件查看器。 可以在界面中进行测量(包括距离、面积、角度等等) 无需版权,放心使用。

在加性高斯白噪声和瑞利衰落信道上,针对BPSK_QPSK的误码率性能的MATLAB仿真,并扩展了相位优化的可重构智能表面辅助链路对比.rar

在加性高斯白噪声和瑞利衰落信道上,针对BPSK_QPSK的误码率性能的MATLAB仿真,并扩展了相位优化的可重构智能表面辅助链路对比.rar

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave.zip

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave

含分布式电源的配电网可靠性评估研究(Matlab代码实现)

内容概要:本文围绕含分布式电源的配电网可靠性评估展开研究,基于Matlab代码实现相应的评估模型。研究内容涵盖分布式电源接入对配电网运行特性的影响,采用序贯蒙特卡洛模拟法等可靠性评估方法,对系统在不同运行场景下的供电可靠性指标进行量化分析。通过构建典型配电网模型,仿真分析分布式电源的位置、容量及出力特性对系统可靠性的影响机制,进而为提升配电网韧性与供电质量提供理论支撑和技术手段。研究不仅关注理论建模,还注重实际仿真流程的可操作性与结果的可视化呈现。; 适合人群:具备电力系统基础知识,从事配电网规划、运行与可靠性分析等相关领域的科研人员及工程技术人员,尤其适合研究生及从事新能源并网研究的1-3年工作经验的专业人员。; 使用场景及目标:①掌握含分布式电源的配电网可靠性评估基本理论与方法;②学习并复现主流可靠性评估算法(如蒙特卡洛模拟)的Matlab编程实现;③分析分布式电源接入对系统可靠性的影响规律,支撑配电网优化规划与运行决策。; 阅读建议:建议读者结合电力系统可靠性教材与本文Matlab代码同步学习,重点关注模型构建逻辑与算法实现细节,动手调试代码以加深对评估流程的理解,并尝试在不同网络结构和电源配置下进行仿真对比分析。

数字农业与乡村振兴行业可信数据空间应用规划方案(专项申报版).pptx

数字农业与乡村振兴行业可信数据空间应用规划方案(专项申报版).pptx

具有PWM控制VSC-HVDC链路的IEEE30总线传输系统(Simulink仿真实现)

内容概要:本文详细介绍了在Simulink环境中构建和仿真一个集成PWM控制的电压源换流器型高压直流输电(VSC-HVDC)链路的IEEE30节点电力传输系统的研究工作。该模型聚焦于利用PWM技术实现对VSC的高效、精确控制,以提升电力系统的传输效率、动态响应能力和运行稳定性。研究涵盖了系统整体建模、关键设备参数设计、PWM控制策略的实现、以及在标准IEEE30节点系统上的集成方法。通过一系列仿真测试,包括系统在正常运行、负载突变及故障条件下的动态响应,全面分析了VSC-HVDC链路对改善电网电压稳定性、优化潮流分布和增强系统可靠性的具体作用,充分验证了所提方案的有效性和工程应用价值。; 适合人群:具备电力系统分析、高压直流输电技术基础理论知识及Simulink/MATLAB仿真软件操作能力的高校研究生、科研机构研究人员和电力行业工程师。; 使用场景及目标:①作为教学案例,帮助学生深入理解VSC-HVDC的工作原理、控制策略及其在复杂电网中的集成应用;②为电力系统规划与运行人员提供一种可靠的仿真工具,用于评估新型输电技术对现有电网性能的影响,支持电网升级改造决策;③推动VSC-HVDC技术在远距离大容量输电、新能源并网和智能电网建设等领域的创新应用。; 阅读建议:建议读者在学习过程中,结合电力系统稳态与暂态分析的相关理论,重点关注PWM控制模块和VSC的建模细节,动手复现并调试所提供的Simulink模型,通过改变系统参数和运行工况来观察仿真结果的变化,从而深化对VSC-HVDC系统动态特性的理解。

Python 列表、元组、集合实验报告:切片删除陷阱、可哈希判定与保序去重

Python 列表、元组、集合实验报告:切片删除陷阱、可哈希判定与保序去重

T03_eVTOL低空经济低空无人机AI识别自动处理图像项目设计方案_决策评审版.pptx

T03_eVTOL低空经济低空无人机AI识别自动处理图像项目设计方案_决策评审版.pptx

基于变频控制的多相交错LLC谐振变换器闭环仿真(Simulink仿真实现)

内容概要:本文详细介绍了基于变频控制的多相交错LLC谐振变换器的闭环仿真设计,重点阐述了其在Simulink环境下的建模与控制策略。通过多相交错技术有效降低输出纹波电流,提升系统效率与功率密度,并采用变频控制(PFM)实现对谐振变换器输出电压的精确调节。文中构建了完整的闭环控制系统,包含电压外环与电流内环,确保系统在负载变化或输入波动等扰动工况下仍能稳定运行。同时,配套提供了仿真模型、参数设计计算书及参考文献,帮助读者深入理解系统设计流程与关键技术细节,具有较强的工程复现价值。该资源适用于电力电子、新能源变换器等相关领域的仿真研究与教学实践。; 适合人群:具备电力电子基础知识,熟悉Simulink仿真工具,从事电源变换器设计、新能源系统研发或相关专业的研究生及工程技术人员。; 使用场景及目标:①掌握多相交错LLC谐振变换器的工作原理与变频控制机制;②学习并实现基于Simulink的闭环控制系统建模与仿真;③理解谐振参数设计、软开关实现及系统稳定性分析方法;④为科研项目、毕业设计或产品原型开发提供可复用的技术参考与仿真平台。; 阅读建议:建议读者结合提供的仿真模型与计算书,逐步完成系统搭建与参数整定,重点关注变频控制逻辑与闭环响应特性。在仿真过程中,可通过调整负载、输入电压等条件,观察系统的动态响应与稳态性能,加深对多相交错与谐振控制优势的理解。同时推荐参考相关文献,拓展对LLC变换器前沿控制策略的认识。

基于斜坡补偿的Buck电路峰值电流+电压电流双闭环控制【附说明文档】(Simulink仿真实现)优快云首页发布文章优快云同步助手LLC谐振变换器开环+闭环软启动仿真设计(Simulink

内容概要:本文围绕三电平VIENNA整流器的双闭环控制与中点电位平衡问题展开仿真研究,提出了一种基于上下电容电压差值补偿的中点电位平衡策略。该策略在传统电压电流双闭环PI控制的基础上,引入电容电压差值作为反馈信号,通过SVPWM调制中冗余小矢量的时间分配实现中点电荷的定向调节,从而在不改变主控制结构的前提下有效抑制中点电位偏差。仿真结果表明,该方法不仅确保直流母线电压稳定跟踪800V给定值,还能显著提升上下电容电压的均衡度,同时保持输入电流低谐波水平,验证了控制策略的可行性和有效性。; 适合人群:电力电子、电气自动化及相关专业的研究生、科研人员及工程技术人员,具备一定的MATLAB/Simulink仿真基础和电力电子拓扑知识背景者更佳。; 使用场景及目标:①掌握三电平VIENNA整流器的工作原理与中点电位波动的成因;②理解电压电流双闭环PI控制的设计要点与参数整定原则;③学习基于差值补偿的中点电位平衡控制策略及其与SVPWM的协同机制;④应用于充电桩、航空电源、通信电源等中大功率单向整流场合的控制系统设计与优化。; 阅读建议:建议结合文中提供的仿真模型与参数设置进行动手实践,重点关注中点电位平衡投入前后电容电压波形的变化,对比分析不同工况下的系统动态响应,深入理解控制策略的作用机理。同时可进一步探索在电网不平衡、轻载等复杂工况下的控制性能,以拓展应用场景。

两路半桥LLC谐振变换器软开关Simulink仿真(模拟谐振参数不同、分裂电容)

内容概要:本文详细介绍了两路半桥LLC谐振变换器软开关的Simulink仿真研究,重点模拟了不同谐振参数及分裂电容对系统性能的影响。通过建立精确的电路模型,分析了软开关实现条件、谐振腔参数变化对电压电流波形、效率及功率传输能力的作用机制,探讨了分裂电容结构在改善均流特性与提升系统稳定性方面的优势。仿真结果有助于深入理解LLC变换器的工作原理与动态响应特性,为高频高效电源设计提供理论支持与优化方向。; 适合人群:电力电子、电气工程及其自动化等相关专业的科研人员、研究生及从事开关电源设计的工程师。; 使用场景及目标:①掌握LLC谐振变换器的基本建模与仿真方法;②研究谐振参数(如谐振电感、电容)对软开关过程的影响规律;③分析分裂电容结构在多路并联变换器中的均流与稳定性作用;④为高频高效DC-DC变换器的设计与优化提供仿真依据和技术参考。; 阅读建议:建议结合Simulink模型逐步操作,关注关键波形的观测点,对比不同参数下的仿真结果,深入理解软开关的实现条件与系统动态特性,同时可进一步拓展至效率分析与热管理设计。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文针对“自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标”开展研究,提出一种基于Matlab的仿真方法,实现多机器人在动态环境中对移动目标的协同包围与持续跟踪。该方法综合考虑了机器人的运动学约束与传感器的视线(visibility)限制,设计了分布式控制策略与自适应编队算法,能够在复杂环境下有效维持编队结构的稳定性和任务执行的鲁棒性。研究详细阐述了系统建模过程、控制律设计原理、编队形成与保持机制,并通过Matlab代码实现了完整的仿真验证,展示了算法在不同动态场景下的适应能力与性能优势; 适合人群:具备机器人学、自动控制理论、多智能体系统等相关基础知识,熟悉Matlab编程语言,从事智能系统、协同控制、路径规划与自主导航等方向的研究生、科研人员及工程技术人员; 使用场景及目标:①应用于安防监控、环境探测、灾害救援等场景中的多机器人目标围捕与跟踪任务;②为多智能体协同控制、分布式编队保持、避障与可见性维护等关键技术提供可复现的算法框架与仿真平台;③辅助高校与科研机构在相关领域的教学演示与科研创新,深化对自适应控制与分布式协同机制的理解; 阅读建议:建议读者结合提供的Matlab代码逐模块分析其实现逻辑,重点关注控制律设计、约束处理与自适应机制部分,可通过调整机器人数量、目标轨迹、传感器参数等进行扩展性实验,以深入掌握多机器人协同系统的动态行为与优化方法。

patch_1.23.0.2584_game_No6.android.pak

patch_1.23.0.2584_game_No6.android.pak

数控基础知识数控加工工序的安排原则

数控基础知识数控加工工序的安排原则

博图HMI多语言文本列表一键生成攻略:从Excel模板到TIA Portal的完整流程

本文详细介绍了如何利用Excel模板和TIA Portal API实现博图HMI多语言文本列表的一键生成。通过标准化Excel模板设计、解析TIA Portal的XML结构,并结合C#代码实现自动化导入,大幅提升多语言项目的开发效率。特别适用于需要支持多语言版本的自动化设备HMI界面开发。

weixin_26934905的博客 219
上一篇: 突发!RWKV社区2026年4月动态大揭秘,多款模型与研究成果发布!
下一篇: Gemini API 文件搜索更新:多模态支持+自定义元数据+页面引用,构建高效可验证 RAG 系统
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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