Nov 16 2025

fangpin - 從 1.56% 到 62.9%：SFT 推理微調優化實戰

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

Nov 17 2025

colddawn - 微信小程序 發表文章的代碼demo

1.在上一篇我們説到我們在寫小程序要運用的知識是c3,h5,js，小程序的基本結構瞭解了，接下來我們來了解頁面佈局， 2.其實小程序的佈局和我們在編寫網頁的佈局是差不多的，就是我們要注意幾點，就是我們在傳統的佈局當中都是用div佈局的，再就是c3當中那些語義化標籤就行佈局，而我們的小程序中就不是用div了，他用的是view這個標籤，他的效果和div一樣，都是塊級元素還有一個

機器學習 , 導航欄 , 輪播圖 , 人工智能 , 滑塊 , 微信小程序 發表文章的代碼demo

Nov 07 2025

IvorySQL - 你真的知道你正在運行哪個 PostgreSQL嗎？

本文整理自 IvorySQL 2025 生態大會暨 PostgreSQL 高峯論壇的演講分享，演講嘉賓：Alvaro Hernandez。 個人簡介： OnGres 創始人CEO 20年以上Postgres用户及數據庫管理員經驗 主要從事研發工作，基於Postgr0 es創建創新軟件 累計開展140餘場技術講座，多數以Postgres為主題 非營利組織PostgreSQL基金會創始人及

數據庫 , postgresql

Oct 30 2025

HuiZhu - 30分鐘搞定媒體級新聞稿！我開源了這個"公關寫手"AI指令

哈嘍，各位思否的開發大佬們！ 作為技術人，我們最擅長的是寫代碼、解決問題，但一提到"新聞稿"，很多人就懵了。 "我們產品功能很強，為什麼媒體不報道？" "技術這麼牛，為什麼投資人聽不懂？" "明明很用心，為什麼傳播效果這麼差？" 這些問題，本質上都是內容表達能力的問題。 最近我整理了一套"新聞稿撰寫AI指令"，把專業公關寫手的思維模式，用我們程序員最熟悉的"工程化思維"重新包裝了一下。

generative-ai , 教程 , chatgpt , 人工智能 , prompt

Nov 05 2025

PoloAPI - 一文看懂谷歌I/O 2025開發者大會： Android、Chrome、谷歌搜索、Gemini

谷歌I/O開發者大會以"AI原生生態"為核心戰略，圍繞技術升級、產品整合與商業模式展開深度佈局。以下是關鍵內容的結構化總結： 一、AI技術架構突破‌ ‌Gemini模型矩陣‌ Gemini 2.5 Pro新增Deep Think模式，增強複雜推理能力（數學/編程任務準確率提升37%） 輕量級Gemini 2.5 Flash實現移動端40%延遲降低，支持邊緣設備部署 多媒體生成模型V

gemini-2.5-pro , google , 人工智能 , 後端 , 前端

Nov 05 2025

一點人工一點智能 - 書籍-《優化技術第二卷：離散與函數優化》

書籍：Optimization Techniques II：Discrete and Functional Optimization 作者：Max CERF 出版：EDP Sciences​​ 編輯：陳萍萍的公主@一點人工一點智能 鏈接：書籍下載-《優化技術第二卷：離散與函數優化》 01 書籍介紹 這套分為兩卷的書籍概述了連續、離散和函數優化技術。本卷專注於離散優化

函數 , 離散數學

Nov 06 2025

Aloudata大應科技 - 如何找到心儀的 ChatBI 智能體？Aloudata Agent 推薦給你

在數智化轉型浪潮中，ChatBI 智能體憑藉自然語言交互能力，成為企業打破數據分析壁壘、實現數據民主化的關鍵工具。面對市場上眾多選擇，Aloudata Agent 以“NoETL 明細語義層+多 Agent 協同架構”脱穎而出，通過 NL2MQL2SQL（MQL:MetricQueryLanguage）技術路徑精準對齊業務語義與數據語言，解決了 NL2SQL 和 NL2DSL2SQL 傳統方案中存

chat , agent , etl , 人工智能 , 數據分析

Nov 19 2025

未聞花名AI - 構建AI智能體：十六、構建本地化AI應用：基於ModelScope與向量數據庫的文本向量化

將文本轉換為向量（文本嵌入）是自然語言處理中的核心任務，有許多大模型可以完成這項工作。上一篇文章《構建AI智能體：十五、超越關鍵詞搜索：向量數據庫如何解鎖語義理解新紀元》我們是通過阿里雲的api調用的text-embedding-v4模型，同樣還有很多其他輕量級的模型可以很好的完成這個任務，我們今天找兩個結合前期講到的本地化部署來嘗試一下。 一、核心組件回顧

yyds乾貨盤點 , 搜索 , NLP , 相似度 , 加載 , 人工智能