<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_53801547的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_53801547</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_53801547]]></copyright><item><title><![CDATA[八股训练营 40 天总结]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/150236533</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/150236533</guid><author>weixin_53801547</author><pubDate>Mon, 11 Aug 2025 23:51:55 +0800</pubDate><description><![CDATA[40 天里，我经历了从最初的摸索，到逐渐形成适合自己的学习节奏，也从零散的知识点积累，走向了体系化的理解与记忆。知识沉淀—— 八股文的背诵不再只是“死记硬背”，而是通过理解+类比的方式，把知识点内化。编筐编篓，重在收口。—— 这不仅是训练营的结尾，更是我学习道路上的一个新起点。持续学习：把 40 天的学习习惯迁移到后续的技能提升中，比如算法、系统设计等。在这个过程中，我学到的不只是知识，还有**如何在有限时间内高效、持续地成长。结束只是形式上的，真正的开始是在你决定继续走下去的那一刻。]]></description><category></category></item><item><title><![CDATA[L1G3000]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/143877211</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/143877211</guid><author>weixin_53801547</author><pubDate>Tue, 19 Nov 2024 11:24:07 +0800</pubDate><description><![CDATA[提示词工程（Prompt Engineering）是一种优化人工智能（AI）模型输出的技术，特别是在自然语言处理（NLP）领域。这种技术通过精心设计输入的提示（prompts）来引导AI模型产生更符合人类期望的输出。以下是使用提示词工程相比不使用提示词在三个方面的具体优势：1. 更好的文字创作能力： 更明显的风格：通过设计特定的提示，可以引导AI模型产生具有特定风格的文字，如幽默、正式、抒情等。这使得AI创作的内容更加多样化，更能满足不同场景和读者的需求。]]></description><category></category></item><item><title><![CDATA[L1G2000]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/143825234</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/143825234</guid><author>weixin_53801547</author><pubDate>Sat, 16 Nov 2024 23:25:59 +0800</pubDate><description><![CDATA[故事情节精彩故事最终回复。]]></description><category></category></item><item><title><![CDATA[L1G1000]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/143824568</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/143824568</guid><author>weixin_53801547</author><pubDate>Sat, 16 Nov 2024 22:22:33 +0800</pubDate><description><![CDATA[推理能力：领先社区开源模型相对InternLM2性能提升20%；支持100w字上下文：百万字；自主规划和搜索完成复杂任务：通过信息搜索和整合，针对复杂问题撰写专业回答，效率提升60倍；高质量合成数据主要有以下策略：基于规则的数据构造：代码、公式，函数、数学题解；基于模型的数据扩充：增加注释；基于反馈的数据生成：满意度排序，通过排序使其生成更符合人类要求的答案；推理能力有较大的提升，领先同量级开源模型。100Token上下文大海捞针实验：给一个模型提供非常长的背景知识的时候，模型是否能够完美定位任何位置的任何]]></description><category></category></item><item><title><![CDATA[L0G4000作业]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/143817494</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/143817494</guid><author>weixin_53801547</author><pubDate>Sat, 16 Nov 2024 15:12:04 +0800</pubDate><description><![CDATA[新建一个hf_download_josn.py文件，并运行。下载internlm2_5-chat-1_8b，使用hugging face spaces。在codespaces安装依赖。用git提交到远程仓库。]]></description><category></category></item><item><title><![CDATA[L0G3000]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/143806545</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/143806545</guid><author>weixin_53801547</author><pubDate>Fri, 15 Nov 2024 19:57:56 +0800</pubDate><description><![CDATA[【代码】L0G3000。]]></description><category></category></item><item><title><![CDATA[L0G2000作业]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/143781588</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/143781588</guid><author>weixin_53801547</author><pubDate>Thu, 14 Nov 2024 23:59:45 +0800</pubDate><description><![CDATA['```json\n{\n  "model_name": "书生浦语InternLM2.5",\n  "developer": "上海人工智能实验室",\n  "parameter_versions": [1.8B, 7B, 20B],\n  "context_length": "1M"\n}\n```']]></description><category></category></item><item><title><![CDATA[L0G1000作业]]></title><link>https://blog.youkuaiyun.com/weixin_53801547/article/details/143779762</link><guid>https://blog.youkuaiyun.com/weixin_53801547/article/details/143779762</guid><author>weixin_53801547</author><pubDate>Thu, 14 Nov 2024 20:29:31 +0800</pubDate><description><![CDATA[vim demo.py]]></description><category></category></item></channel></rss>