04 2024 档案
摘要:三十二,核力场的定义方程 所有的场都可以通过引力场变化而得到。核力场和电磁场一样也可以用引力场的变化来表示。==》这个就非常关键了,万有引力场【简称引力场】,回忆下定义:o点在空间点p处产生的引力场A【数量为a】:a = 常数乘以 Δn/Δs ,A = - g k Δn(R/r)/ Ωr² = -
阅读全文
摘要:三十,电荷与电场的定义方程 1,电荷的定义方程 在统一场论中,电荷和质量都是质点周围空间以光速、以圆柱状螺旋式向四周发散运动的运动效应(作者说一切属性都是运动引起,所以对于静止的物体,由于和空间的相对运动,所以也有各种属性),二者有一个共同的起源——空间的光速、螺旋发散运动。 设想质点o相对于我们观
阅读全文
摘要:原子弹爆炸原理,和e=mc2有什么关系? 原子弹的爆炸原理与爱因斯坦的质能等价公式 𝐸=𝑚𝑐2密切相关。这个公式表明质量(m)和能量(E)是可以相互转换的,其中 𝑐c 是光速,在真空中约等于 3×1083×108 米/秒。这个公式是现代物理学中最著名的方程之一,它说明了质量可以转化为巨大的能
阅读全文
摘要:引力场和质量的定义方程 在统一场论中,物体o点的质量m,表示了o点周围4π立体角度内以光速、以圆柱状螺旋式发散运动空间位移R的条数。 o点在周围产生的引力场A,表示了穿过包围o点的高斯球面s上,以光速发散运动的空间位移的条数。==》直接见最后公式,再结合牛顿万有引力的公式就明白了。 1,引力场的定义
阅读全文
摘要:ReAct论文解读:LLM ReAct范式,在大语言模型中结合推理和动作 最近在研究如何让GPT正确做动作,比如搜索内容,发现了《SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS》这篇论文。作者提出了ReAct范式,通过将推理和动作相结合来克服L
阅读全文
摘要:Reflexion: Language Agents withVerbal Reinforcement Learning 该文章的要点和关键技术,算法流程 该文章提出了一种名为"Reflexion"的新型框架,用于通过语言反馈来强化语言智能体的学习。主要包含以下几个关键点: 框架组成: Actor模
阅读全文
摘要:ROUGE(Recall-Oriented Understudy for Gisting Evaluation)指标是用于评估文本摘要质量的一种常用指标。它通过比较生成的摘要与参考摘要之间的重叠词语或短语来衡量它们之间的相似度。ROUGE指标通常包括多个子指标,如ROUGE-N(考虑n-gram重叠
阅读全文
摘要:大模型评估指标 1.基础评估指标 参考klu.ai和Microsoft.com的评估指标列表如下:https://klu.ai/glossary/llm-evaluation 类别 度量 描述 用户参与度和效用指标 访问 访问LLM应用程序功能的用户数 提交 提交提示词的用户数 响应 LLM应用程序
阅读全文
摘要:大语言模型(LLM)评价指标小汇总(也许会更新) from:https://zhuanlan.zhihu.com/p/641416694 目录 总之就是接了个小项目,这些天统计了一些LLM评价指标,不算很全面,很多方法的具体操作都不是很熟悉,参考论文也没找全,大家就凑合着看: 1. 榜单、论文统
阅读全文
摘要:智能安全防火墙:长亭科技的 SafeLine 是一款下一代 Web 应用防火墙,以智能算法为核心。它采用智能语义分析算法,通过词法、语法、语义等精准方式识别和阻断攻击流量,而不依赖传统的规则匹配方式。这使得 SafeLine 能够在加密流量不解密的情况下检测恶意加密流量,与传统深度包检测有明显区别。
阅读全文
摘要:时间是我们观测者周围许多空间点以观察者为中心、以圆柱状螺旋式、以矢量光速C向四周发散运动给我们人的感觉。 一个空间点p,在零时刻从我们观察者所在的地方,以矢量光速C,经历的时间t,与移动的路程R成正比。 由此得出时空同一化方程: R(t) = Ct = xi+ yj + zk i, j, k分别是沿
阅读全文
摘要:什么是Auto-GPT 地址:github.com/Torantulino… 这个程序由GPT-4驱动,将LLM"思想"链接在一起,以自主实现您设定的任何目标。 Auto-GPT是将OpenAI的GPT模型的多个实例链接在一起,使其能够在没有帮助的情况下完成任务、编写和调试代码以及纠正自己的编写错误
阅读全文
摘要:KG2Prompts是什么? KG2Prompts 是一个用于将知识图谱转换为自然语言提示的工具。它使用预训练的语言模型来生成提示,这些提示可以用于各种任务,例如文本生成、问答和摘要。 KG2Prompts 的工作原理如下: 首先,它将知识图谱转换为一个图结构,其中节点代表实体,边代表实体之间的关系
阅读全文
摘要:深度兴趣网络(DIN)是什么? 深度兴趣网络 (DIN) 是一种用于推荐系统的深度学习模型,它由阿里巴巴在 2018 年提出。DIN 主要用于解决传统推荐系统中无法有效建模用户兴趣演变的问题。 DIN 的主要特点: Attention 机制: DIN 使用 Attention 机制来捕获用户历史行为
阅读全文
摘要:https://mp.weixin.qq.com/s/h-vUkjnyINej2LCwv-mkXg https://www.goupsec.com/news/10729.html
阅读全文
摘要:基于预训练模型的相似度度量方式 BERTScore BERTScore 是一种基于 BERT(双向编码器表示器转换器)语言模型的相似度度量。它将问题和回答编码为 BERT 向量,然后计算两个向量的余弦相似度。与传统的基于重叠词语的相似度度量不同,BERTScore 能够捕获语义相似性,即使两个句子不
阅读全文
摘要:DBSELECTION 是什么算法? DBSELECTION(Database Selection)是一个用于信息检索和数据管理领域的算法,主要用于多数据库环境中选择最合适的数据库来执行给定查询的任务。这个算法尤其在分布式数据库系统、联邦数据库系统和数字图书馆等领域中非常有用。DBSELECTION
阅读全文
摘要:关于参数冻结: 在业界使用BERT模型做分类任务时,是否冻结预训练模型的参数取决于具体的应用场景和目标。下面是一些常见的考虑因素: 不冻结参数(全参数微调) 数据量较大:如果有足够多的标注数据,全参数微调可以充分利用这些数据来调整预训练模型的参数,以更好地适应特定任务。 任务特异性较强:对于与预训练
阅读全文