k01k01

一、题目 题目以预测用户贷款是否违约为任务，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息。 二、评测标准 结果为每个测试样本是1的概率，也就是y为1的概率。评价方法为AUC

题目 根据提供的用户在1月1日至6月30日之间真实线上线下消费行为，预测用户在7月领取优惠券后15天以内的使用情况。 评价方式     本赛题目标是预测投放的优惠券是否核销。使用优惠券核销预测的平均A

比赛描述 如果让购房者描述理想中的房子，他们可能不会提到“地下室天花板高度”或“东西向铁路距离”这样的细节。但本次比赛的数据集证明，房价谈判的影响因素远不止卧室数量或白色栅栏。 数据集包含79个特征变

一、第一阶段：准备工作 在开始比赛时，需要做好一系列的准备工作，为后续的数据分析和模型构建奠定基础。 明确预测类型 拿到题目后，首先要确定这是回归、二分类还是多分类预测问题。这一步至关重要，因为不同类

由于阿里云的qwen-vl-plus模型是不支持下载的，所以选用支持下载到本地的 Qwen-VL-Chat模型。 Qwen-VL-Chat模型功能特点 ✅ 多模态能力：图像+文本 ✅ 对话能力：支持问

大模型（如LLM、视觉模型等）在训练、部署和推理过程中会使用多种文件格式来存储模型结构、权重和配置信息。以下是常见的格式及其详细解释： 1. PyTorch 原生格式（.pt / .pth） 用途：P

本项目参考https://juejin.cn/post/7517496354244067339#heading-56 本文用于记录笔记。 效果展示 项目架构 本项目采用前后端分离架构： 前端: Nex

一、什么是大模型微调 模型微调（Fine-tuning）是机器学习中一种重要的技术，主要用于在预训练模型的基础上进行针对性调整，以适应特定任务或数据集。通用大模型在特定领域或任务表现可能不佳，微调可实

一、简介 此OpenGL 程序使用 GLUT 库创建了一个可交互的三维机器人模型，支持关节角度调整和视角控制。 层次化建模：通过圆柱体和球体组合构建机器人，包括躯干、头部、四肢等 11 个可独立控制的