- 博客(39)
- 收藏
- 关注
RSS订阅
原创 数据库范式1NF~BCNF超详细总结
设计关系时所循行的标准，称为范式。具体有哪些标准呢？我们一般将数据库范式分为1NF，2NF，3NF，BCNF，4NF，5NF。级别由低到高。符合高一级别的范式，必定符合第一级别的范式。一般我们掌握到BCNF即可！
2023-06-23 13:44:18
8339
2
原创 如果更充分发挥ai的能力
本文是Anthropic工程主管Felix Rieseberg关于如何“更有野心”使用大模型的实践指南。他提出从速度、高度、深度、广度四维度提升AI应用水平：超越基础任务，追求更高抽象目标；深入领域顶尖方法；跨学科融合视角。通过追问本质、设定挑战性目标、引入外部验证与多角色协作，激发模型潜能。作者强调，真正的野心源于对“可能性”的信念，而自我效能感可通过设定高难度目标被持续激活。在模型能力跃迁的时代，唯有敢于突破认知边界，才能释放人机共处的真正潜力。
2026-11-04 10:10:51
277
原创 算法系列：单调栈
单调栈用于高效求解数组中每个元素的下一个更大（或更小）元素、左右边界等问题，时间复杂度可从 $O(N^2)$ 优化至 $O(N)$。核心思想是维护单调递减（或递增）栈，通过一次遍历完成查找。典型应用包括 LeetCode 496、503（循环数组）、84（柱状图最大矩形）等。处理循环数组时，采用“破环成链”技巧，将数组长度扩展为 $2N$，并用下标入栈，确保正确更新结果。
2026-10-29 12:01:51
275
原创 算法系列：从 leetcode：零钱兑换 看背包问题
本文系统梳理背包问题四大分类维度：物品选择次数（0-1、完全、多重等）、求解目标（最值、方案数等）、顺序重要性（组合/排列）、约束类型（恰好、不超过等），并通过零钱兑换、分割等和子集、组合总和IV等经典例题，深入解析动态规划核心思想。重点阐明循环顺序与初始化策略的决定性作用，总结“0-1逆序、完全正序；组合外物内容、排列外容内物”口诀，实现对各类变体（如二维费用、字符串拼接、依赖背包）的高效应对，助力笔试通关。
2026-10-24 19:40:36
143
原创 Kadane算法
Kadane算法是解决最大子数组和问题的高效动态规划方法，时间复杂度O(n)，空间复杂度O(1)。核心思想：以当前元素结尾的最大子数组和为max(nums[i], dp[i-1] + nums[i])，通过维护cur（当前结尾最大和）和best（全局最大和）实现。适用于全负数等边界情况，可扩展至最大子数组积、环形子数组和等问题。
2026-10-12 11:50:17
558
原创 论文解读：PLUTO: Pushing the Limit of Imitation Learning-based Planning for Autonomous Driving 下（3）
这是pluto论文解读第三篇，主要讲解对比学习损失的例子，后处理以及实验结果
2026-09-24 21:06:53
158
原创 论文解读：PLUTO: Pushing the Limit of Imitation Learning-based Planning for Autonomous Driving 下
pluto论文解读的第二，介绍了多模态解码器的部分和四种损失，分别是模仿损失，包括回归损失+分类损失，，预测损失预测其它agent的轨迹，辅助损失进行可行驶区域约束，主要是出于安全考虑，还有最后的对比学习损失使得模型能够学习到驾驶决策的因果。
2026-09-24 21:04:41
100
原创 论文解读：PLUTO: Pushing the Limit of Imitation Learning-based Planning for Autonomous Driving（1）
本文是pluto的论文解读，其提出了自动驾驶规划框架PLUTO，旨在解决学习型规划器横向行为弱及纯模仿学习的分布偏移等局限。核心改进有三：一是采用Query-based架构融合纵横向查询，生成多样驾驶行为；二是提出基于可微插值的辅助损失，适用于向量模型并支持批计算；三是引入对比模仿学习与新数据增强，规范驾驶行为并增强交互理解。在输入表示上，静态障碍物采用MLP编码，地图折线采用PointNet-like编码器提取边界特征，并通过Transformer融合全局场景。在nuPlan数据集上，PLUTO取得最先进
2026-09-24 21:00:55
369
原创 ROPE为什么很重要？原理详解
本文通过实验揭示了Transformer模型中自注意力机制在无位置编码时的局限性。实验对比“我爱你”和“你爱我”两个句子，发现中间词“爱”的输出向量完全一致，尽管语义相反。分析表明：1）词嵌入阶段仅编码词义，不包含语序；2）无位置编码的自注意力计算中，权重分配和词向量位置交换相互抵消；3）加法交换律导致加权求和结果相同，语序信息丢失；4）前馈网络作为确定性函数无法恢复已丢失的信息。这种现象会导致依赖语序的任务效果下降。而RoPE等位置编码方法通过修改注意力计算，在加权求和前保留语序差异，从而避免语义混淆。实
2026-08-05 13:42:53
288
原创 投机解码：从eagle1到dflash
本文介绍了EAGLE系列模型在加速大语言模型推理方面的创新。EAGLE-1通过特征级自回归预测替代传统的Token预测，提升了生成鲁棒性；EAGLE-2引入动态草稿树结构，实现并行验证多条候选路径；EAGLE-3则回归Token级预测但融合多层特征，并采用训练时测试机制解决分布偏移问题。三阶段演进逐步克服了预测瓶颈，使加速效果随训练数据增加持续提升。EAGLE系列通过特征预测、树状生成和多层融合等创新，显著提高了大模型推理效率。
2026-07-17 11:15:46
305
原创 论文解读Dspark：Unifying High-Throughput Parallel Generation with Adaptive Load-Aware Verification
摘要： 北京大学与DeepSeek-AI提出DSpark，一种统一并行生成速度与自回归质量的新型投机解码框架。针对现有方法在并行生成（如DFlash）和自回归生成（如EAGLE）的固有缺陷，DSpark通过半自回归架构（并行主干+轻量顺序头）缓解后缀衰减问题，并结合置信度调度验证动态优化验证长度，实现硬件感知的负载均衡。实验表明，DSpark在Qwen3系列模型上较EAGLE和DFlash分别提升接受率26%-30%和16%-18%，并在实际部署中显著加速生成速度（最高85%）。该工作为高效LLM推理提供了
2026-07-17 11:09:37
335
原创 论文解读：DeLS-Spec: Decoupled Long-Short Contexts for Parallel Speculative Drafting
本文提出DeLS-Spec方法，通过解耦长短期上下文优化并行投机解码中的因果一致性问题。该方法采用冻结的DFlash模型处理全局语义，结合轻量级RNN模块捕捉局部连贯性，通过概率乘积公式融合两者输出并引入去偏机制。相比现有方案，DeLS-Spec具有训练成本低（单卡训练时间缩短12倍）、即插即用等优势，在数学和代码任务中显著提升采纳率。实验表明固定参数设置优于可学习参数，RNN结构能有效平衡性能与效率。未来可探索动态融合策略和泛化到其他并行模型的可能性。
2026-07-17 10:12:16
287
原创 Jetspec：Breaking the Scaling Ceiling of Speculative Decoding with Parallel Tree Drafting
文章摘要 JETSPEC提出了一种创新的并行树状投机解码方法，通过因果并行草稿头结合块级因果注意力，解决了传统投机解码在效率与质量间的权衡问题。核心创新包括：1）因果并行化，在单次前向传播中预测多个未来词，保持分支间的因果依赖；2）高效树构建，利用贪心搜索策略优化候选树；3）无损加速，通过并行验证提升吞吐量。实验表明，JETSPEC在低负载高Token预算场景下加速比最高达10倍，显著优于现有方法（如EAGLE、DFlash），适用于大模型推理加速，且能无缝集成到vLLM等服务框架中。
2026-07-17 09:59:28
376
原创 算法专题：树状数组（Fenwick Tree）
本文介绍了树状数组（Fenwick Tree）这一高效维护前缀信息的数据结构。针对普通数组在单点更新和前缀查询时的时间复杂度矛盾，树状数组通过巧妙的二进制下标设计，使两种操作均达到O(log n)复杂度。文章详细解析了lowbit运算的核心作用，通过图表展示了树状数组的管辖范围和操作原理，包括单点更新时向上合并的路径和前缀查询时向左拆分的逻辑。树状数组相比线段树代码更简洁高效，适合处理可加性信息问题。文中还提供了操作示例和二进制跳转过程的直观说明，是算法竞赛中处理动态前缀和问题的利器。
2026-06-27 17:34:19
330
原创 算法模版（C++ 版）更新版
本文总结了算法笔试和面试中常见的模板题及实现代码，主要包括以下内容： 序列操作（增删改查、排序等） 快速排序算法实现（重点讲解分区操作和递归实现） 判断素数的优化算法（基于6k±1原理） 文章提供了完整代码实现和关键注意事项，如： 快速排序中基准值随机化的重要性 判断素数时的数值范围处理 常见边界条件的处理方式 这些模板题和算法实现是算法面试的基础内容，掌握它们有助于提升算法能力，应对技术面试。
2026-06-22 14:23:18
265
原创 DriveArena：Closed-loop Generative Simulation Platform for Autonomous Driving论文解读
DriveArena：首个高保真闭环自动驾驶仿真平台 本文提出了DriveArena，一个创新的模块化自动驾驶仿真平台，通过融合生成式AI与传统仿真技术，实现了高保真视觉与闭环交互的统一。该平台包含三个核心组件：TrafficManager负责动态交通场景生成，WorldDreamer基于扩散模型生成逼真环视图像，DrivingAgent执行端到端驾驶决策。实验表明，WorldDreamer生成的图像在感知指标上接近真实数据，并能泛化到未见过的城市和道路结构。闭环评估揭示了当前端到端模型在长期决策中的重大缺
2025-10-21 16:20:30
1181
原创 C++ STL学习笔记： Vector
介绍了vector的动态数组特性及其与array的区别，然后详细讲解了vector的创建方法、访问接口（如[]、at()、迭代器等）、容量管理（size、capacity、resize等）以及修改操作（push_back、insert、erase等）。此外还涵盖了二维vector的创建和修改方法，并通过代码示例展示了vector的实际应用场景。
2025-09-28 15:20:59
702
原创 Tiny-cuda-nn安装指南
安装tiny-cuda-nn时，直接使用pip安装可能失败，建议从源码编译。首先克隆仓库后，需运行git submodule update --init --recursive初始化子模块，否则会报错。然后执行标准编译流程：cmake . -B build生成构建文件，再通过cmake --build build进行编译。这一过程解决了常见的依赖缺失问题，确保编译成功。
2025-08-06 18:32:06
971
原创 GaussianMesh运行指南
GaussianMesh项目配置与使用环境配置需安装CUDA、Conda及依赖库。推荐使用现成NeRF数据集，训练代理网格时注意tiny-cuda-nn的兼容性问题。训练Mesh-based Gaussian时，若出现loss为NaN，需修改general_utils.py中的图像转换函数。编辑功能通过edit.py实现，需准备变形网格序列并执行编辑命令。项目实践中的问题与解决方案已归档，可供参考。
2025-07-28 21:42:47
1087
原创 论文解读：Mesh-based Gaussian Splatting for Real-time Large-scale Deformation
本文提出了一种基于网格的高斯泼溅方法(Mesh-based Gaussian Splatting)，实现实时大规模3D场景变形。该方法将3D高斯与显式网格绑定，通过网格变形引导高斯参数调整，解决了传统3D高斯绘制在变形时缺乏拓扑信息导致伪影的问题。关键技术包括：(1)面分裂和法线引导策略优化高斯分布；(2)引入正则化损失保持变形合理性；(3)设计实时交互工具支持用户控制。实验表明，该方法在保持65FPS实时渲染的同时，PSNR和SSIM指标优于NeRF-Editing等基线方法，能有效处理复杂场景的大规模变
2025-07-24 14:17:55
1218
原创 Mani-GS 运行指南
本文记录了在运行Mani-GS项目时遇到的环境配置和数据处理问题及解决方法。主要问题包括：1）需要CUDA 11.6环境；2）处理NeRF合成数据集时需下载output.zip文件；3）遇到CUDA错误时通过unset LD_LIBRARY_PATH解决；4）PyMCubes安装时因numpy版本冲突需降级安装；5）场景类型识别错误需修正数据连接；6）渲染无输出需参考GitHub issue解决。最后提供了运行指南：先执行两个训练脚本，再进行渲染。
2025-07-11 16:57:11
799
原创 Python各种包ModuleNotFoundError解决方案合集~碰到就会更新
在Python开发中，常见的包安装问题包括包名称错误、安装失败和自定义包导入路径问题。例如，scikit-image应通过pip install scikit-image安装，而非skimage；opencv-python应替代cv2；PyYAML应替代yaml。此外，某些包如torch_scatter可能因版本不兼容或构建机制问题导致安装失败，需选择与Python版本和系统匹配的包文件。理解这些问题的解决方案有助于提高开发效率。
2025-05-22 23:02:55
988
原创 【数据挖掘笔记】兴趣度度量Interest of an association rule
在数据挖掘中，关联规则挖掘是核心任务之一，其关键在于评估规则的有效性，常用指标包括支持度、置信度和提升度。支持度衡量项集或规则在整个数据集中的出现频率，反映其普遍性和实用性。置信度则评估在包含前项的事务中同时包含后项的比例，体现规则的可靠性。提升度用于衡量前项与后项之间的关联强度，若大于1表示正关联，小于1表示负关联，等于1则表明两者独立。这些指标共同帮助分析数据中的潜在关联，为决策提供支持。
2025-05-15 16:27:24
855
原创 论文解读：Drivestudio——OmniRe: Omni Urban Scene Reconstruction
OmniRe是一种高效创建高保真动态真实世界场景数字孪生的系统，特别针对城市场景中的多样化动态物体（如车辆、行人、骑自行车者等）进行准确重建。该系统通过构建基于3D高斯绘制的动态神经场景图，实现了对动态场景的高保真重建，并支持复杂的模拟任务，如行人行为模拟和人车交互。OmniRe在Waymo数据集上的评估显示，其在定量和定性方面均优于现有方法，并在多个流行驾驶数据集上展示了良好的泛化能力。该系统通过新颖的人体姿态估计流程和SMPL模型，实现了对人类运动的精确建模，并在处理极端动态遮挡、夜间场景和恶劣天气条件
2025-05-13 20:27:40
1375
原创 3DGS,OASIm等项目安装diff-gaussian-rasterization等子模块错误解决集合
windows下运行3D Gaussian splatting等相关项目大概率需要用到diff-gaussian-rasterization这个模块，但是这个模块的安装非常容易出错，本人debug了很久，为了防止以后再遇到，特此记录。
2024-12-15 16:52:08
6563
7
原创 Ubuntu20.04系统没有wifi图标，no Wi-Fi adapter found，没有wifi适配器
解决ubuntu20.04电脑没有wifi图标的问题
2024-10-18 14:57:36
7532
1
原创 Nginx用法指南
nginx是一个http代理和反向代理服务器，下面是其英文说明。代理和反向代理的意思 代理是有一堆机器，比如大学宿舍的很多同学的电脑，然后因为没有那么多的ip，于是通过一个代理发送到互联网上的app请求资源，在App视角来看，这些请求都来自一个ip，即宿舍同学的机器都是被一个服务器给代理了，如下图：而反向代理则是如下图，有一堆请求到一个代理服务器，代理服务器将这些请求发送给一个集群的服务器做负载均衡去处理请求，可以看到代理和反向代理的方向是反的。例如nginx的配置文件里有如下内容：比如data/www目录
2023-06-24 01:28:50
1264
1
原创 win10下执行Hadoop命令报错：系统找不到指定的路径。Error: JAVA_HOME is incorrectly set. Please update D:\
当我们在Win10操作系统下时，输入hadoop version，我们可能会遇到以下这种问题：但是检查java时：hadoop的环境变量也没问题。这时候，多半是因为你的j这时候建议最好，重新设置环境变量非常的麻烦，你大概率会得到其中涉及到注册表的问题使得整个问题不断复杂化，hold on！！
2023-04-01 22:48:53
3233
1
原创 电脑问题：机插线之后没有声音？
用有线耳机插入手机等设备都有声音，可以排除耳机的问题。然后检查是否是电脑设备连接的问题，是否是硬件的问题。2）打开麦克风列阵，增强音效，再插入耳机试试。后面可能偶尔还是会出现这种情况，也是进入这个页面基本就解决了。1）搜索打开realtek。
2023-04-01 12:04:45
244
原创 Idea问题处理：Idea开发的Java项目遍地报红怎么解决？尤其是import实体的时候
idea中的java项目遍地报红，entity实体import无法导入
2023-02-14 13:26:06
4109
2
原创 “爬楼梯”或斐波那契数列的几种解法浅析~~C++实现
本文介绍了“爬楼梯”各种算法的一个优化过程。介绍了斐波那契数列的几种C++实现方法，按照优化程度由最暴力到逐渐优化，附带思路解析和代码实现。
2023-01-27 14:09:35
832
原创 React Antd 中怎么设置表单只输入数字
React用antd的Form组件提交信息的时候有时候需要限制只能填数字，笔者在优快云上看到的文章都属于比较老的版本，不能解决我的问题，在我知道怎么解决之后作此文以供参考。
2022-07-03 21:14:39
3932
GaussianMesh运行指南中的nerf-blender.yaml
2025-07-28
软件期末作业+c++ + 语法编译器 + 期末大作业参考
2025-06-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人