本文分类：news发布日期：2025/12/21 1:40:05
相关文章
Linly-Talker如何保证用户上传肖像的安全性？
Linly-Talker如何保证用户上传肖像的安全性？
在AI数字人技术迅速渗透进直播、教育、客服等场景的今天，一个看似简单的问题正变得愈发关键：当我把一张自拍照上传给系统，让它生成会说话的“我”，这张照片会不会被滥用&am…
建站知识
2025/12/21 1:39:48
大模型学习路线（二）：预训练 (Pre-training)
大模型学习路线（二）：预训练 (Pre-training)说明：预训练是大模型“拥有知识”的关键阶段。秋招面试考察重点集中在数据工程、训练稳定性（混合精度）、Tokenizer 细节以及领域适配（CPT）策略。🎯 学习目标
掌握从…
建站知识
2025/12/21 1:39:44
12.20 - 反转链表II
1.反转链表/*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode() : val(0), next(nullptr) {}* ListNode(int x) : val(x), next(nullptr) {}* ListNode(int x, ListNode *next) : val(x), next(next) {}*…
建站知识
2025/12/21 1:39:02
Linly-Talker能否接入Dialogflow实现多轮对话逻辑？
Linly-Talker 能否接入 Dialogflow 实现多轮对话逻辑？
在虚拟客服、数字员工等实际业务场景中，用户不会只问一句“你好”，然后满意地离开。他们更可能说：“我想预约下周二的心理咨询……对，下午三点左右……需要带什么…
建站知识
2025/12/21 1:38:43
Linly-Talker在汽车配置讲解中的三维空间联动设想
Linly-Talker在汽车配置讲解中的三维空间联动设想
在高端汽车展厅里，一位客户驻足于一辆全新SUV前，随口问道：“这车的空气悬挂能调多高？”话音刚落，站在屏幕旁的虚拟讲解员微微点头，声音沉稳地回应…
建站知识
2025/12/21 1:38:39
大模型学习路线（三）后训练Post-training
后训练 Post-Training 主要有两种范式：SFT和RLPre-training (预训练) 通过海量无监督数据的自监督学习（Next Token Prediction），让模型习得语言语法与通用知识。SFT (监督微调)：实现指令对齐 通过高质量问答对进行…
建站知识
2025/12/21 1:38:39
大模型学习路线（一）：Transformer架构篇
🎯 学习目标
彻底掌握 Transformer 的每一个组件细节，理解从 Standard Attention 到现代 LLM（如 Llama, Deepseek）架构的演进原因，并能手写核心算法代码。
第一阶段：输入处理 (Input Representation)
1. 分词 (…
建站知识
2025/12/21 1:37:48
Linly-Talker在高校招生宣传中的个性化推送实验
Linly-Talker在高校招生宣传中的个性化推送实验在每年高考季，高校招生办的老师们总是面临一个共同难题：如何用有限的人力，在短时间内回应成千上万考生和家长五花八门的问题？“我这个分数能报你们学校吗？”“电气工程专…
建站知识
2025/12/21 1:37:43
