大鲸鱼crush

在深度学习领域，数据一直是模型性能的关键。然而，获取大量高质量的训练数据往往昂贵且耗时。为了克服这一问题，论文提出了OPeN方法，通过在训练集中引入纯噪声图像来提升模型对少数类的泛化能力。

本文探讨了构建高效提示以优化大型语言模型（LLM）交互的策略。文章说明了四种技巧：迭代设计过程、指令的清晰性、提示的具体与简洁性，以及避免模糊性的重要性。

本文详解了在使用LLM的API时，所需要输入的各个超参数的意义，如温度（Temperature）、顶部概率（Top P），频率惩罚、存在惩罚等

上一篇博客已经讲解了zero-shot和few-shot提示，在few-shot提示中，需要给模型一些与所问问题相关的示例，那么什么样的示例能够最大化的激发模型的能力呢？

最近在工作时处理了一些关于HTTP/HTTPS请求中DNS被劫持问题。本文将简要梳理其中的内容，包括dns域名解析原理， dns劫持以及应对方案。并与网络劫持中的另一大类劫持——http劫持进行比对。

这篇论文主要围绕着幻觉进行了一系列的探讨。论文展示了由随机字符串构成的提示语能够诱发大模型输出任意预定义的幻觉，例如：不正当的言论、假新闻、常识性错误等内容

笔者毕业前一直做联邦学习方向，毕业后回顾联邦方向，突然感觉到了很多问题：很多时候卡住技术的原因不是技术本身，而永远是人性的因素。处于以下四点问题，我认为联邦学习就是个伪需求

如果让ChatGPT翻译两次，先直译一次，然后再基于第一次结果意译，整体翻译质量会上一个大台阶，而且经过第二次翻译后，“机翻”的痕迹已经不明显了，很难看出来这是机器翻译的结果。

导言 这篇论文是Mikolov大佬在2013年发表的，算是词向量领域的奠基之作。我认为这篇论文对 NLP 发展具有里程碑式的意义。