aibi1

摘要： 目录深度学习的主要应用方向1️⃣ 计算机视觉（Computer Vision, CV）2️⃣ 语音处理（Speech AI）3️⃣ 多模态（Multimodal）4️⃣ 推荐系统5️⃣ 强化学习（RL）6️⃣ 科学与工业领域核心认知（重要） 是的，而且不止视觉处理。 你要区分清楚两个维度： 深度学习 阅读全文

摘要： 目录二、pyproject.toml 做什么三、uv.lock 做什么正常流程（推荐）七、uv.lock 和 poetry.lock / requirements.txt 的关系 二、pyproject.toml 做什么 它只表达 约束和意图，例如： [project] dependencies = 阅读全文

摘要： 目录一、整体流程总览（先看全图）二、Step 0：数据 & 任务确认（非常关键，很多人跳过）三、Step 1：结构设计（一次性，别纠结）🎯 目标推荐起点（90% 场景适用）四、Step 2：基线训练配置（全部冻结）五、Step 3：学习率搜索（第一调参旋钮）🎯 目标操作方式📊 判断指标（核心） 阅读全文

摘要： 目录Agents Skills的价值Agent Skills定义instructions：指令举个例子：指令 vs workflowscriptsresources：资源1️⃣ 数据文件（Data files）2️⃣ 参考文档（Reference docs）3️⃣ 配置文件（Config files 阅读全文

摘要： 目录一、先给结论（重点）二、最抗跌的 5 大方向（按“防守力”排序）🥇 第一梯队（真正抗跌）1️⃣ 半导体设备（不是芯片本身）2️⃣ 电力基础设施 / 电网 / 能源输送🥈 第二梯队（条件性抗跌）3️⃣ 数据中心“卖铲子”的公司4️⃣ 国防 / 航空航天（不是太空概念炒作）🥉 第三梯队（“跌不 阅读全文

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

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

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

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

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