GRPO（Group Relative Policy Optimization）算法詳解 GRPO是DeepSeekMath針對數(shù)學(xué)推理任務(wù)提出的強(qiáng)化學(xué)習(xí)優(yōu)化算法石洗，基于PPO...
發(fā)簡信
IP屬地：上海
-
GRPO（Group Relative Policy Optimization）算法詳解
-
《單干：成為超級個體的49個關(guān)鍵動作》第2章
[第2章] 變現(xiàn)篇 個體商業(yè)的極簡變現(xiàn)法 章節(jié)概述 本章介紹了個體商業(yè)的極簡變現(xiàn)方法赠制，強(qiáng)調(diào)了稀缺性和杠桿的重要性畔况，并提供了具體的變現(xiàn)策略和案例。 關(guān)鍵內(nèi)容 掙錢的重要性提高掙...
-
《單干：成為超級個體的49個關(guān)鍵動作》第1章
[第1章] 認(rèn)知篇 為什么單干能實(shí)現(xiàn)財(cái)富自由 章節(jié)概述 本章探討了單干能夠?qū)崿F(xiàn)財(cái)富自由的原因，分析了商業(yè)基礎(chǔ)設(shè)施的完善、內(nèi)容杠桿和節(jié)點(diǎn)經(jīng)濟(jì)的作用，以及人工智能對個人職業(yè)選擇的...
-
【量化交易框架】--- Backtrader 最佳實(shí)踐文檔
概述 Backtrader 是一個用 Python 編寫的流行的策略回測框架趴樱，它提供了一個靈活的環(huán)境來測試和評估交易策略。以下是使用 Backtrader 進(jìn)行策略回測的最佳...
-
【量化交易指標(biāo)】--- KDJ指標(biāo)詳解
KDJ指標(biāo)是一種技術(shù)分析工具酪捡，經(jīng)常用于股票和期貨市場中叁征，它基于隨機(jī)指標(biāo)（Stochastic Oscillator）的改進(jìn)版本。KDJ指標(biāo)通過計(jì)算價(jià)格的相對位置來判斷市場的超...
-
Pandas rolling()函數(shù)解析
Pandas 的 rolling() 函數(shù)用于在數(shù)據(jù)框或系列上創(chuàng)建一個滾動窗口（滑動窗口）逛薇，這對于計(jì)算移動平均捺疼、移動總和等統(tǒng)計(jì)量非常有用。rolling() 函數(shù)通過在指定的...
-
《社群領(lǐng)導(dǎo)力：獨(dú)自成長的時代已經(jīng)結(jié)束》讀書筆記
中心思想：《社群領(lǐng)導(dǎo)力：獨(dú)自成長的時代已經(jīng)結(jié)束》這本書的中心思想是永罚，隨著社交媒體和數(shù)字化技術(shù)的崛起啤呼，傳統(tǒng)的獨(dú)自成長的時代已經(jīng)結(jié)束，取而代之的是社群的時代呢袱。在這個時代官扣，個人的成...
-
NLP最重要的編碼方式--BPE今天想簡單聊聊在自然語言處理領(lǐng)域用得比較多，像BERT羞福，GPT等自然語言模型都會用到的技術(shù)惕蹄，BPE，全稱是Byte Pair Encoding坯临。 這個技術(shù)呢焊唬，在面試實(shí)習(xí)生過程...
-
【面試題】去除字符串中的空格
用python作答下題，不可使用strip和re：給定一個字符串S看靠，去除S首尾的空格，并將字符串中間連續(xù)的多個空格替換為1個空格液肌，返回處理后的字符串挟炬。 GPT4作答 在這個函...
-
獎勵模型Reward Model如何訓(xùn)練？如上圖所示，ChatGPT 并不是直接讓人工去標(biāo)注每一句話的真實(shí)得分是多少（盡管模型最終要預(yù)測的就是每句話的得分）谤祖，而是讓人去對 4 句話按照好壞程度進(jìn)行「排序」婿滓。 通過這個...
-
【面試題】拿球游戲的得分期望
題目 袋子里有10個紅球和10個黑球，游戲規(guī)則是：拿到紅球得1分粥喜，拿到黑球減1分凸主，進(jìn)行無放回拿20次，當(dāng)你發(fā)現(xiàn)繼續(xù)拿球不利于得分時额湘，可以提前終止比賽卿吐，請計(jì)算得分的期望。 解答...
-
hugging face預(yù)訓(xùn)練模型本地讀取指南使用Hugging Face的Transformers庫來下載預(yù)訓(xùn)練模型bert模型時锋华。以下是下載和使用該模型的示例代碼： 這將自動下載預(yù)訓(xùn)練模型bert-base-chin...
-
BILSTM+CRF用于命名實(shí)體識別任務(wù)中的loss
雙向長短時記憶網(wǎng)絡(luò) (BiLSTM) 與條件隨機(jī)場 (CRF) 結(jié)合是一種常用于序列標(biāo)注任務(wù)的方法嗡官。在這種方法中, BiLSTM用于捕捉輸入序列的上下文信息, 而CRF用于對...
-
《能力陷阱》讀書筆記
《能力陷阱》這本書的主旨是探討在職場和生活中，人們?nèi)绾蜗萑搿澳芰ο葳濉敝刑夯溃约叭绾伪苊夂涂朔@種陷阱衍腥。 作者講述了一個人在職場中獲得成功的過程中，最初是因?yàn)樗麄儞碛幸欢ǖ募寄?..
-
最大似然估計(jì)纳猫，最大后驗(yàn)估計(jì)婆咸，貝葉斯估計(jì)聯(lián)系與區(qū)別
先驗(yàn)概率分布（Prior Probability Distribution）是指在考慮新的證據(jù)或數(shù)據(jù)之前，對某個參數(shù)或變量的概率分布進(jìn)行的假設(shè)芜辕。在貝葉斯統(tǒng)計(jì)中擅耽，先驗(yàn)概率分布是...
-
隱馬爾可夫模型（HMM）和條件隨機(jī)場（CRF）
隱馬爾可夫模型（HMM）和條件隨機(jī)場（CRF）都是常見的序列標(biāo)注模型询兴，用于對序列數(shù)據(jù)進(jìn)行分類和標(biāo)注乃沙。下面，我將詳細(xì)講解這兩種模型诗舰，并對比它們的區(qū)別警儒。 隱馬爾可夫模型（HMM）...
-
關(guān)鍵詞提取方法
關(guān)鍵詞的提取，也可以稱之為文本標(biāo)簽提取眶根。 比如說蜀铲，”今天這頓燒烤是真不錯啊“，在這句話中属百，”燒烤“這個詞就可以被認(rèn)為是一個關(guān)鍵詞记劝，或者說這個句子的一個標(biāo)簽。 這個標(biāo)簽在一定程...
-
中文分詞-基于詞典的正向最大匹配和逆向最大匹配
中文分詞中基于詞典的正向最大匹配和逆向最大匹配 正向最大匹配和逆向最大匹配步驟類似族扰，只是方向不同厌丑，我以正向匹配為例定欧，先用一句話去總結(jié)它： 在做整個正向成詞的過程中，我們做了兩...
-
機(jī)器學(xué)習(xí)中的特征篩選方法
在機(jī)器學(xué)習(xí)中怒竿，特征篩選是一個非常重要的步驟砍鸠，它可以幫助我們選擇最相關(guān)的特征，從而提高模型的性能和準(zhǔn)確度耕驰。下面介紹一些常見的特征篩選方法： 方差選擇法（Variance Thr...