朝花夕拾

A Development Engineer, a Life Liver, a Hope Holder

使用1Panel托管hexo网站,并申请https证书

.custom-img { height: 650px; width: 500px; /* 保持图片比例 */ } > 最近个人网站的https证书到期了,之前一直使用的腾讯的免费证书,但是每年都要手动申请一次。每次申请部署都比较麻烦。网上也了解过免费证书的网站。比如比较有名的Let's Encrypt。Let's Encrypt 提供免费的自动化证书服务,可以通过ACME协议自动申请和续期证书,...

The MASK Benchmark: Disentangling Honesty From Accuracy in AI Systems

> 论文标题:The MASK Benchmark: Disentangling Honesty From Accuracy in AI Systems > 原文链接:http://arxiv.org/pdf/2503.03750v1 > 发表时间:2025-03-05 18:59:23 > 作者:Richard Ren, Arunim Agarwal, Mantas Mazeika, Crist...

Decoupled Recommender Systems: Exploring Alternative Recommender Ecosystem Designs

## 论文速览 ### 论文速览 这篇论文探讨了一种新的推荐系统架构——**解耦推荐系统**(Decoupled Recommender Systems),即推荐算法与平台分离的设计模式。这种架构类似于"友好的邻居算法商店"或"中间件"模型,旨在研究算法、用户和内容提供者之间的动态关系及其长期影响。论文通过建模和实验,分析了这种设计如何在不同利益相关者之间分配效用,并提出了其潜在的优势和挑战。 #...

LLM大模型原理分析

前段时间学习了一下LLM大模型,发现这个模型的原理还是很有意思的,所以基于学习笔记整理了一份LLM底层实现原理的文档,希望对大家有所帮助。 {% iframe /mhtm/LLM/index.html#0 100% 560px %}...

怎么理解Try-Catch-Finally中的返回值

### 问题 有个常见又看似简单的问题:那就是当我们分别在JAVA的try,catch,finally返回值时,到底哪个是生效的,哪些代码被确实运行了?本文将通过JAVA字节码的方式为大家彻底解决这个问题。 ### 先说结论 1. finally代码会被强行插入到try和catch代码的后面,所以无论如何,finally都会被执行。 2. 如果finally中执行了return,那么函数无论是否有...

熵与涌现:大模型的智能之谜

> 这周吃了一周OpenAI的瓜,奥特曼在OpenAI科技春晚过后没几天突然被莫名其妙的解雇了,而在微软开出了各种丰厚条件准备釜底抽薪时,奥特曼又重新复职。而这一切仅仅发生在几天内。作为吃瓜群众,我们确实不知道背后的实情是什么。但是有些人报出了一些猛料还是比较值得关注的;据说是OpenAI今年秘密训练了新模型Q*,这个Q*与以往的模型都不相同。它不止能处理外部信息,它还能处理基础数学,它具有逻辑推...

微信公众号三分钟接入OpenAI

### 准备工作 1. 微信公众号,这个无需多说,网上有比较多的教程,大家可以按照教程自行注册 2. laf服务,可以通过laf平台购买服务,当然由于laf本身是开源项目,我们也可以自己搭建私有服务(注意,国内无法访问OpenAI,所以自建服务需要走代理或者直接使用国外服务器)。 本教程使用laf平台服务[laf](https://laf.dev) ### 成品效果 ### 开搞 登录laf平台,...

金刚经

## 法会因由 如是我闻,一时,佛在舍卫国祗树给孤独园,与大比丘众千二百五十人俱。尔时,世尊食时,著衣持钵,入舍卫大城乞食。于其城中,次第乞已,还至本处。饭食讫,收衣钵,洗足已,敷座而坐。 译文:我听说,那时佛陀在舍卫国的祇树给孤独园,与大比丘众一千二百五十人一起。那时,世尊吃饭的时候,穿着衣服,拿着钵,进入舍卫大城乞食。在城里,依次乞食完毕,回到原来的地方。饭食完毕,收拾衣钵,洗净双足,铺设座位...

sklearn-广义线性模型

本文主要介绍一些常见线性回归的方法,所谓线性回归,是指模型的输出是输入的线性组合,即模型的输出是输入的加权和。线性回归是最简单的回归方法,也是最常用的回归方法之一。线性回归的优点是模型可解释性强,计算量小,容易实现。缺点是模型表达能力有限,只能用于解决线性问题。 线性回归的一般性数学表达式为: $$\hat{y}(w, x) = w_0 + w_1 x_1 + ... + w_p x_p$$ 其中...

机器学习-Iris数据集

Iris数据集是一个常用的机器学习数据集,包含了三种不同种类的鸢尾花(Iris setosa,Iris versicolor和Iris virginica)各50个样本,共计150个样本。每个样本由四个特征构成:花萼长度(sepal length)、花萼宽度(sepal width)、花瓣长度(petal length)和花瓣宽度(petal width)。 # 数据集的格式 Iris数据集通常以...