初学者问题∶ai大模型的是怎么收集数据进行训练的。如此庞大的训练数据是如何收集清洗和标注的。

AI大模型的核心就是数据,它决定了模型的能力和偏差。我来分三个阶段详细解释:

1. 数据从哪里来?(收集阶段)

大模型的训练数据量往往是万亿级token,涵盖多种来源。主要来源包括:

✅ 公开互联网数据

网页内容(维基百科、新闻网站、论坛、博客)

开源代码库(GitHub)

公共数据集(Common Crawl、BooksCorpus)

✅ 授权数据

出版商、新闻机构、教育机构提供的授权文本

[……]

阅读更多

Discuz!X3 前后台登录密码错误次数过多需要等待登录解决方式。

在使用论坛过程中,有时候会遇到这样的提示“密码错误次数过多,请 15 分钟后重新登陆”,因为忘记密码而登陆次数过多被锁定。当然也不排除有人利用暴力破解工具一直在爆破各种管理员密码,从而导致管理员或用户不能登录。这种情况的原因是,论坛程序为了防止有人恶意尝试用户密码获取别人账号的情况。下面提供方法,用于临时解决 Disucz 密码被锁15分钟而不能登录的问题。

phpmyadmin登录数据库
先删除 下面表格的IP
pre_ucenter_failedlogins(字段大约在数据库的 第 6 页)

[……]

阅读更多

颜色选择器-小工具

CSS颜色选择器,Photoshop 颜色选择器,吸管颜色选择,生成css和Photoshop色值工具。

颜色选择器

WFPHP微商城通过统计代码增加关于我们内容

安装了一个wfphp微商城的程序,需要增加一个关于我们和联系方式以通过域名备案和付费推广站点验证,需要要求站点内容完整,有商家联系方式和介绍信息。用来开户和付费推广。

考虑单独加个关于我们和联系方式页面,后来想直接在 统计代码处加个js弹窗更方便修改。

通过通义写一段代码:提示词
通过统计代码字段,输出一个弹窗,显示关于我们内容。 使用 弹出iframe 内容,都在一段js代码里。iframe内容写道iframe标签,适配手机宽度访问。

[……]

阅读更多

我们先从哪里开始呢?

生活中总会有那么一段时间,它不长不短,也没有特别的安排。也许是一段工作结束后的空档,也许是一次旅行前的等待期,或者仅仅是一个平凡的周末。当我们突然从繁忙中抽离,面对这段“无目标”的时间,心中常常会浮现出一个简单却深刻的问题:

我们先从哪里开始呢?

一、这是一个过渡期,也是一个窗口期

这种时间,很多人会形容为“空窗期”或者“过渡期”。但我更愿意称之为“窗口期”——一个可以重新审视、调整、准备的珍贵阶段。

在这段时间里,没有人催促你要马上完成某件事,也没有明确的任务压在身上。这种“没有被定义”的时刻,其实非常稀有。我们不妨借此机会,稍稍停下来,看看内心真正想去的方向。

[……]

阅读更多

通过自然人电子税务局申请中国税务居民证明

最近谷歌联盟又要打钱了,但是显示现在新加坡的政府要征税,如果不符合新加坡政府免税政策,可能会扣除24%的个人所得税,这税率太高,100美金扣24美金,研究提交纳税人居住地证明,中国只能提供中国税收居民证明。其他国家可以提供护照这些,开始搜到的填表是线下办理中国纳税人证明。填表过程中有些资料不知道,找税务客服线上咨询。

税务专员给说可以线上办理,好像还是全国统一了,那就方便多了。

登录咨询税务客服,自己找不到入口。

[……]

阅读更多

虚拟货币是否适合高频交易

股市目前来看有交易时间的,中国股市股票最短交易持有时间好像是一天,所以不太适合一天内的高频交易操作。

国外股没有开户成功,主要是有验资要求和交易手续费高,以前即便用最低资金要求把手续都跑通,比如富途证券,老虎证券这些,开设香港银行账户,入金这些手续费也很高,几千美元都感觉不够折腾的。

以前我想买港股腾讯和美股阿里巴巴,但都买不了,没钱的情况下,开户入金就阻拦了。算了一下强制开户,专门跑一趟香港开设银行账户这些都不划算。一直没有搞定。

后来出现了比特币这些交易所,开始监管不严格,还可以通过国内结算通道入金购买比特币这类虚拟币,但是自己也不舍得花3000块钱买一枚比特币的,也就是偶尔买一买玩一玩,主打一个感受虚拟货币的刺激惊险和过山车。

[……]

阅读更多

中文加拼音

学习中文,需要对文字增加拼音功能。