- 博客(744)
- 收藏
- 关注
RSS订阅原创 VL-JEPA: Joint Embedding Predictive Architecture for Vision-language
架构图1.不再是学习Y跟Yhat,而是\(S_Y和\hat{S_Y}\).思路跟stable diffusion一样.不在真实Y空间学习,而是在Y编码之后的隐空间学习.所以维度更低.效果更好.2 方法论我们提出了VL-JEPA(图1)，这是一种用于视觉语言任务的具有联合嵌入预测架构(JEPA)的模型。VL-JEPA 使用三元组进行训练，其中\(X_V\)表示视觉输入(单个图像或视频帧序列)，\(X_Q\)是文本查询(即问题)，Y是文本目标 (即答案)要预测。培训目标。
2025-12-23 21:50:00
550
原创 解决vscode, cpp库包找不到问题
首先，确保你已经安装了 Microsoft 的 C/C++ 扩展。你可以在 VSCode 的扩展市场中搜索并安装它。这将打开或创建一个 c_cpp_properties.json 文件，你可以在其中配置 includePath。按下 Ctrl+Shift+P(Windows/Linux)或 Cmd+Shift+P(Mac)打开命令面板。输入并选择 C/C++: Edit Configurations (JSON)。打开或创建你的 c_cpp_properties.json 文件。安装 C/C++ 扩展。
2025-12-23 15:46:00
146
原创 linux 搜索文件的好命令
作用是在 /usr 目录下查找文件名是 init.h，并且路径中包含 linux 的文件。同时，它会将错误信息(比如“权限被拒绝”)屏蔽掉，不显示在终端上。
2025-12-23 15:35:00
27
原创 modelscope下载模型
modelscope download --model microsoft/TRELLIS.2-4B --local_dir .
2025-12-19 09:22:00
81
原创 Qwen3 Embedding: Advancing Text Embedding and Reranking Through Foundation Models
基于 Qwen3 基础模型，我们的嵌入(Embedding)模型和重排序(Reranking)模型分别采用双编码器(dual-encoder)和交叉编码器(cross-encoder)架构。对于重排序模型，基于实证验证结果，我们直接采用高质量标注数据进行有监督训练，显著提升了训练效率。我们将持续优化 Qwen 基础模型，进一步提升文本嵌入与重排序模型的训练效率，从而增强其在各类应用场景中的部署表现。值得一提的是，在嵌入模型第一阶段的弱监督训练中，我们设计了一套创新的多任务自适应提示(prompt)系统。
2025-12-18 14:32:00
296
原创 新的rag框架
(这个创新点的思路是: Q: 孙中山是谁. P1: 孙中山是谁. P2:孙中山是孙文, 按照词向量来说Q,P1最接近,而实际上我们要P2会更接近, 我们使用这个思路来滤掉P1这种无用信息.)(这里基于的一个假设是大模型的lost in the middle effect, 大模型对于头尾的信息注意力最高)筛选后剩余P1...P5比如.再经过rerank模型.对P1到P5进行排序.排序后记作。是否能回答Q的问题. 请回答true or false。使用大模型判断十个有哪些是能有可能回答Q的问题的.
2025-12-18 13:40:00
176
原创 提示词写小说
写一个克苏鲁小说, 包含克苏鲁, 阿撒托斯, 犹格索托斯等外神,古神. 要表达不可名状 的恐怖, 和高维生物的不可知性和他在三维世界投影的恐怖形象, 具有扭曲时空和空间的能力.
2025-12-16 16:06:00
101
原创 Z-Image: An Efficient Image Generation Foundation Model with Single-Stream Diffusion Transformer
我们参考 SD3 [18]，采用 logit - 正态噪声采样器将训练过程集中在中间时间步。此外，为应对多分辨率训练设置下信噪比(SNR)的波动，我们借鉴 Flux [34] 所使用的动态时间偏移策略，确保不同图像分辨率下的噪声水平得到合理缩放，从而提升训练效果。Z-Image 的预训练大致分为两个阶段：低分辨率预训练和全尺度预训练。4.3. 预训练Z-Image 采用流匹配目标函数 [44, 48] 进行训练：首先通过高斯噪声。随后训练模型预测定义二者间路径的向量场的速度(即。
2025-12-15 18:09:00
197
原创 去除模型的限制: remove-refusals-with-transformers
先运行compute_refusal_dir.py。再运行inference.py。
2025-12-12 15:41:00
143
原创 大一统视角理解扩散模型Understanding Diffusion Models: A Unified Perspective
大一统视角理解扩散模型Understanding Diffusion Models: A Unified PerspectiveMLNLP社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。转载自 | 极市平台作者 | 中森来源 | https://zhuanlan.zhihu.com/p/5589372471『资料来源』这篇文章是近期笔者
2025-12-11 09:15:00
712
原创 wps窗口置顶的方法
首先，打开您的WPS文档。在文档的选项卡上，右键点击选择“作为独立窗口显示”。这样，您的WPS文档就会从主界面中独立出来，成为一个单独的窗口。接下来，在独立出来的窗口的右上方，您会看到一个类似小钉子的图标。这个图标就是“置顶”功能的开关。点击它，您的WPS窗口就会被固定在最上层。当您想要取消置顶时，只需再次点击这个小钉子图标即可。这种方法简单快捷，非常适合需要频繁切换窗口的用户。方法一：利用WPS自身的功能。
2025-12-06 09:45:00
432
原创 使用潜在扩散模型进行高分辨率图像合成
我们的潜在扩散模型 (LDM) 在图像 修复和类别条件图像合成方面取得了新的最先进分数，并在各种任务上取得了极具竞争力的性能，包括 文本到图像合成、无条件图像生成和超分辨率，同时 与基于像素的 DM 相比，大大降低了计算需求。(i) 与纯粹基于 transformer 的方法 [23, 66] 相比，我们的方法在更高维数据上具有更优雅的扩展性，因此 (a) 可以在提供比以往工作更忠实、更详细重建的压缩级别上工作(见图 1)，并且 (b) 可以高效地应用于超分辨率图像的合成。像素大小的、大而一致的图像。
2025-12-05 16:00:00
376
原创 Markdown转Word的5种高效实现方法
Markdown转Word的5种高效实现方法avatar在学术写作或技术文档中，将Markdown中的LaTeX公式转换为Word格式是常见需求。本文系统梳理5种主流方法，涵盖自动化工具、手动处理及中间格式转换方案。Pandoc自动化转换原理：Pandoc通过解析Markdown中的LaTeX语法，生成Word兼容的公式格式(MathML或Office Math)核心步骤安装Pandoc(官网下载)执行转换命令：bash复制。
2025-12-05 15:39:00
380
原创 股票api 和一些研究
成交额/成交量再除以100就得到了成交价. 因为单位用的是手,一手等于100股.所以这里要除以100才能单位跟开盘价统一.
2025-12-05 10:37:00
359
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人