2026年2月1日
高风险日识别-AI实现
摘要： 目录一、整体思路二、步骤拆解1️⃣ 新闻爬取（信息采集）2️⃣ 信息提取（文本清洗 & 结构化）3️⃣ 高风险概率评估（大模型）三、优化建议四、落地效果 完全可以，这正是目前大模型在交易前风险识别的最佳落地方式。你理解的流程已经很接近工业级实现了，我帮你把整个流程拆解成可执行、量化的步骤，并加上一些 阅读全文
posted @ 2026-02-01 11:01 向着朝阳 阅读(2) 评论(0) 推荐(0)
盘前低吸分析
摘要： 目录一、先给一句核心结论（你先记住）二、机构会盘前低吸的「三个必要条件」（缺一不可）✅ 条件 1：趋势结构仍然完好✅ 条件 2：盘前下跌是“无因下跌”✅ 条件 3：盘前下跌能“吸引卖盘”三、机构盘前低吸的 4 种典型场景（你以后就按这个对）🟢 场景 A：前一日被动回调（不是高潮）🟢 场景 B：消 阅读全文
posted @ 2026-02-01 08:54 向着朝阳 阅读(4) 评论(0) 推荐(0)
2026年1月29日
股票强势反弹策略
摘要： 目录🧠 一、核心定义📌 二、强势股票的关键特征（可量化）🧾 三、具体量化规则建议（可直接用于富途）趋势趋势强势支撑回撤行为趋势力度过滤（提升质量）🧠 四、为什么这样筛选有效🧮 五、示例逻辑表达式（富途规则）📊 六、预警触发方式建议A. 实时触发（即跌破）B. 临界拐点信号🧩 七、为什么 阅读全文
posted @ 2026-01-29 06:36 向着朝阳 阅读(9) 评论(0) 推荐(0)
2026年1月26日
智能客服微调数据准备
摘要： 目录原则智能客服（带销售能力）LoRA 微调数据准备总结Step 0：明确训练目标Step 1：核心数据准备1️⃣ 意图分类2️⃣ Phase 识别3️⃣ Action 识别4️⃣ 实体抽取Step 2：数据量估算（单场景）Step 3：数据策略和原则Step 4：总结 原则 复用现有意图分类样本 阅读全文
posted @ 2026-01-26 12:51 向着朝阳 阅读(5) 评论(0) 推荐(0)
Lora微调流程（2）
摘要： 目录总结LoRA 微调标准流程（工程版 · 分类任务）一、准备阶段：任务 & 数据评估1. 评估任务复杂度（决定“是否需要 LoRA”）2. 评估数据（决定“LoRA 容量上限”）二、结构与容量设定（先定“能不能学到”）1. 初始 LoRA 配置（保守起点）2. 小规模试跑（结构验证）3. 判断容量 阅读全文
posted @ 2026-01-26 10:28 向着朝阳 阅读(1) 评论(0) 推荐(0)
2026年1月25日
LoRA 微调参数调优流程
摘要： 目录一、准备阶段：评估任务 & 数据二、训练观察阶段：小规模试验三、超参调优阶段四、迭代优化策略五、生产级经验总结 核心原则：一次只改一个变量，先确认最重要的容量参数（rank + target module）是否合理，再微调其他超参 在 LoRA 微调初始阶段，我们先用默认值设置 a、dropou 阅读全文
posted @ 2026-01-25 21:50 向着朝阳 阅读(36) 评论(0) 推荐(0)
LoRA微调的指标
摘要： 目录准确度和召回率其他指标1. train/num_tokens2. train/mean_token_accuracy3. train/loss4. train/learning_rate5. train/grad_norm6. train/global_step7. train/epoch8. 阅读全文
posted @ 2026-01-25 21:02 向着朝阳 阅读(4) 评论(0) 推荐(0)
LoRA微调target module设置
摘要： 目录原则1️⃣ 注意力 Q/K/V2️⃣ FFN（前馈层）target modules 最佳组合Q/V + 顶层 2~4 层 FFN 配置一、先给你一个“能直接用”的结论版本（以 Qwen / LLaMA 系结构为例）1️⃣ Q / V 的 target modules（必选）2️⃣ 顶层 2~4 阅读全文
posted @ 2026-01-25 17:53 向着朝阳 阅读(23) 评论(0) 推荐(0)
LoRA target module 可选参数
摘要： 目录一、LoRA 可调目标模块（Target Modules）概览1️⃣ 多头自注意力层（MHA）2️⃣ FFN（前馈网络）3️⃣ Embedding 层4️⃣ 特殊模块（可选）二、选择原则总结三、面试级表述示例 明白，你想系统梳理 LoRA 微调时 target modules 可选的参数/矩阵， 阅读全文
posted @ 2026-01-25 17:42 向着朝阳 阅读(14) 评论(0) 推荐(0)
2026年1月24日
什么时候用Ray架构，什么时候不需要
摘要： 目录vllm单机多卡（Ray）部署架构 https://www.cnblogs.com/aibi1/p/195256641️⃣ 小规模 GPU 集群（10–20 张 GPU）2️⃣ 大规模 GPU 集群（几十到上百张 GPU）3️⃣ 小结判断原则4️⃣ 面试表述示例 在微服务架构里，Ray 相当于 阅读全文
posted @ 2026-01-24 11:34 向着朝阳 阅读(6) 评论(0) 推荐(0)
下一页