当前位置：首页
> 第3276页
实习生刚对字节大模型“投毒”，两人就联手获奖了
大家好啊，我是董董灿。 前段时间闹得沸沸扬扬的字节大模型“投毒案”的主角——实习生田同学，在被字节起诉背上了官司之后，竟然拿下了 NeurIPS 2024 最佳论文奖。 而这篇获奖的论文，就是他在字节实习期间与团队合作发表的。 据说这篇论文在同行评审中获得了极高的评价，是国内第二篇获得 NeurIP...
范畴驱动规划之银行转账：Wow结构实战
领域驱动设计之银行转账：Wow框架实战 银行账户转账案例是一个经典的领域驱动设计（DDD）应用场景。接下来我们通过一个简单的银行账户转账案例，来了解如何使用 Wow 进行领域驱动设计以及服务开发。 银行转账流程 准备转账（Prepare）： 用户发起转账请求，触发 Prepare 步骤。这个步骤会向...
DDD学习与感悟——总是觉得自己在CRUD怎么办？
我们有时候也会看到一些博客看到或者听到一些同事在说：这个业务有什么难的，不就是CRUD么？在软件生命周期初期，我们通过CRUD这种方式我们可以快速的实现业务规则，交付项目，但随着业务逐渐复杂，通过CRUD这种粗暴方式不可避免地会淹没业务核心规则，产生很多祖传（屎山）代码，系统交接的时候我们经常会听到...
python怎么Fleiss Kappa
目的 检验数据一致性 示例 机器学习中涉及新数据集发布的论文通常会描述数据集的构建过程，一份数据集往往由多位标注员共同完成，不同标注员对数据的理解很容易存在偏差，这极大程度上会影响数据集的一致性，从而限制算法的性能。因此在构建数据集的标注过程中，大多数构建数据集的工作都会对标注员之间的标注一致性进行...
Bolt.new 用一句话快速构建全栈使用：本地布置与使用实战（Ollama/Qwen2.5 等）
Bolt.new 用一句话快速构建全栈应用：本地部署与应用实战（Ollama/Qwen2.5 等）' description = '本文详细介绍如何本地 Ollama 和国内大模型资源，在本地环境中快速部署和使用 Bolt.new，结合 Ollama 和 Qwen2.5-Coder，轻松实现从代码编...
凭借AI帮手剖析LlamaIndex的工作流可视化
接续上次的讨论，我们上次主要分析了LlamaIndex工作流的核心流程，当前还剩下一行代码需要关注，那就是关于工作流的可视化。今天我们的目标是深入理解这一可视化部分的主要流程，并且对其大体的实现方式进行简要的了解和探讨。 为了帮助大家更好地掌握这一内容，我们先回顾一下上次讨论的代码内容，具体如下：...
字节面试：范畴、子域、中心域、通用域和支撑域怎样区分？
领域驱动设计（DDD）里面有一堆专业术语，比如领域、子域、核心域、通用域、支撑域等等，听着是不是觉得挺吓人？别怕，我来带你轻松搞懂它们。 如何理解领域和子域？ 领域是指一定的业务范围或问题域。在解决业务问题时，DDD 会将业务领域进行细分，将问题范围限定在一定的边界内，在这个边界内建立领域模型，用代...
scikit-learn中的Pipeline：构建高效、可保护的机器学习流程
我们使用scikit-learn进行机器学习的模型训练时，用到的数据和算法参数会根据具体的情况相应调整变化， 但是，整个模型训练的流程其实大同小异，一般都是加载数据，数据预处理，特征选择，模型训练等几个环节。 如果训练的结果不尽如人意，从数据预处理开始，再次重新训练。 今天介绍的Pipeline（中...
凭借AI帮手快速解析LlamaIndex的Workflow规划与Java搬迁
在前面的讨论中，我们通过AI助手快速浏览并分析了LlamaIndex的核心源码及其可视化部分。在上次的工作中，我们已基本完成了使用Java版本实现的可视化部分，尽管在工作流（workflow）的分析上只是进行了初步探讨。今天，我们将深入探讨一个关键问题：能否将LlamaIndex在Python中的业...
