张博的博客

摘要： Qwen3 Embedding：通过基础模型推进文本嵌入与重排序 原始文档地址: https://qwenlm.github.io/blog/qwen3-embedding/ 模型架构 基于 Qwen3 基础模型，我们的嵌入（Embedding）模型和重排序（Reranking）模型分别采用双编码器 阅读全文

摘要： 给定Q 问题和 \(P_1,...P_n\) 段落. embedding之后找最接近的前10个.所以得到了Q和\(P_1,....P_{10}\) 使用大模型判断十个有哪些是能有可能回答Q的问题的. 十路异步并发: prompt: 下述的问题Q跟段落\(P_i\)是否能回答Q的问题. 请回答true 阅读全文

摘要： https://www.sojson.com/office/onlinescreen.html 阅读全文

摘要： 每次修改完代码直接点这个重新加载, 即可让插件更新好代码的修改了.很方便的调试. 阅读全文

摘要： 三、关键区别与底层逻辑 注册逻辑：隐式 vs 显式 nn.Parameter 赋值时： PyTorch 的 nn.Module 会通过 setattr 钩子函数检测到赋值的是 nn.Parameter 实例，自动调用 self.register_parameter(name, value) 完成注册 阅读全文

摘要： import pyarrow.parquet as pq import pandas as pd # 读取单个Parquet文件 parquet_file = pq.ParquetFile('example.parquet') df = parquet_file.read().to_pandas() 阅读全文

摘要： 写一个百万字的克苏鲁小说, 包含克苏鲁, 阿撒托斯, 犹格索托斯等外神,古神. 要表达不可名状 的恐怖, 和高维生物的不可知性和他在三维世界投影的恐怖形象, 具有扭曲时空和空间的能力. 阅读全文

摘要： 4.3. 预训练Z-Image 采用流匹配目标函数 [44, 48] 进行训练：首先通过高斯噪声 x 0 ​ 与原始图像 x 1 ​ 的线性插值构造带噪输入，即 x t ​ =t⋅x 1 ​ +(1−t)⋅x 0 ​ ；随后训练模型预测定义二者间路径的向量场的速度（即 v t ​ =x 1 ​ −x 阅读全文

摘要： • Information Entropy: To maximize the density of meaningful content seen during training, we filter out low-entropy images. This is achieved through 阅读全文

摘要： 视图-->导航网格 阅读全文