微调的基本步骤
微调的基本步骤
微调的基础知识
微调的基础知识 1. 微调是什么我们都知道自从22年底GPT3.5横空出世之后，我们随时随地的跟大模型进行聊天，大模型总能认真且“正确”的回答我们的问题。但是模型回答的答案一定是正确的吗，一定是我们想要的内容吗？即使随着基座模型的能力越来越强大，幻觉问题已经被解决的很好了，但是如果出现以下这些场景时，大模型回答的内容的精确性还有待提高： 遇到专业领域的问题：医疗、法律、金融等 当上下文长
如何将deepseek api接入到claude code
如何将deepseek api接入到claude code 1. 注册deepseek API打开deepseek开放平台：https://platform.deepseek.com/ 登陆并注册 在左侧API keys中创建一个新的API key； 保存好你的key: sk-XXXXXXXX 2. 下载 CC Switchhttps://github.com/farion1231/cc-swi
三维重建项目文档
三维重建二维转三维担架部分项目文档 当前问题代办图纸特性：没问题：1E2-SDJ J1：只有一半担架，另外一半根据对称性生成 J3：担架分布为：左1右2，左3右4这种分布；而非右1左2，右3左4 J4：同J3 代办： 三类节点和三类杆件未生成 担架部分的二维转三维1. 整体输入输出效果1.1 输入每个担架的三视图的杆件及对应的二维坐标 杆件ID: [左端点(x,y),右端点(x,y)]
2026年面经
2026年面经 面试结果：投递简历200+，约面20场，面试12场，通过4场，最终拿到1个offer。 序号 面试时间 面试公司 面试岗位 是否通过 1 3.9 快手 Java开发（KPI面） 未通过❌ 2 3.11 B站 客户端开发一面 通过✅ 3 3.12 美团 Java开发 未通过❌ 4 3.12 B站 客户端开发（二面） 未通过❌ 5 3.13 高德 Java
MongoDB为什么更适用于AI对话持久化
MongoDB为什么更适用于AI对话持久化 1. MongoDB应用场景应用场景中，数据操作方面的特点是：（1）数据量大（2）写入操作频繁（读写都很频繁）（3）价值较低的数据，对事务性要求不高 2. 相比于MySQL的优势1️⃣ 数据结构天然适合文档存储对话数据通常是 一整段会话记录，例如： 12345678910{ "sessionId": "12
RAG检索结果不准如何解决？
RAG检索结果不准如何解决？ 高级RAG优化手册：3招解决检索不准和查询模糊 1. 实际案例用户问“布洛芬能不能和感冒药一起吃？”但回答不相关 最初系统返回的检索内容是： 布洛芬的退烧作用 感冒的症状介绍 药品剂量说明 检索不准没有召回“药物相互作用”相关内容，导致大模型回答很泛，甚至出现模糊建议。 2. 排查过程① 文档切分方式发现说明书被固定长度切分，导致： “药物相互作用”段落被
详解MySQL的MVCC原理
详解MySQL的MVCC原理 MVCC（多版本并发控制） 1. MVCC解决了什么问题？在保证事务隔离性的前提下，让读操作尽可能无锁化。 隔离性 无锁 传统并发控制常用 锁机制（Locking）： 读加共享锁（S Lock） 写加排他锁（X Lock） MVCC 的核心思想是： 读不加锁，写不阻塞读，通过维护数据的多个版本实现并发控制 MVCC 保证「读已提交」 每次执行 SELECT
