52 www.52nlp.cn / 2023-08-07 23:23 / by @技术头条 / 原作者：@52nlp

柴洪峰院士：大模型赋能金融科技思考与展望

本文整理自7月7日世界人工智能大会“AI生成与垂直大语言模型的无限魅力”论坛上中国工程院院士、复旦大学金融科技研究院院长柴洪峰《大模型赋能金融科技思考与展望》的主题分享，从金融垂直模型构建、金融知识图谱与大模型融合以及金融大模型的监管三个方面进行介绍。

赞过的人

@IT技术博客大学习

bl blog.devtang.com / 2025-01-12 11:55

CSPJ 教学思考：贪心算法

本文介绍了贪心算法在 CSP-J（信息学奥林匹克联赛入门级）教学中的应用。贪心算法通过每一步选择局部最优解，期望最终达到全局最优。作者强调了排序在贪心算法中的重要性，并提供了 sort 函数和自定义结构体排序的示例代码。文章还推荐了适合教学的题目，如 P2240 部分背包问题、P1223 排队接水等，并附上详细的解题思路和代码实现。适合正在备战 CSP-J 的学生和指导教师参考。

查看详情

无图

bl blog.devtang.com / 2025-01-12 11:54

CSPJ 教学思考：动态规划

本文深入探讨了动态规划（DP）的核心概念，强调状态定义、状态转移方程和初始状态设置的重要性。作者通过具体题目，如 P2842 纸币问题 1 和 P1216 数字三角形，详细讲解了从暴力搜索到记忆化搜索，再到动态规划的解题过程，帮助读者理解 DP 的应用和优化方法。适合正在学习算法的学生、编程竞赛选手以及希望深入理解动态规划的开发者阅读。

查看详情

无图

bl blog.devtang.com / 2025-01-03 00:10

CSPJ 教学思考：宽度优先搜索

这篇文章通过详细的案例和代码解析，系统讲解了广度优先搜索（BFS）的原理、实现及其在实际问题中的应用场景。文章不仅介绍了 BFS 的基础知识，还延伸到复杂问题的解决思路，适合算法学习者、准备技术面试的开发者，以及对算法优化感兴趣的技术人员，提供了高效的学习参考。

查看详情

无图

xu xuexb.com / 2025-01-02 23:57

重新思考如何管理我的服务器

如何高效管理云服务器？文章详细分享了 ECS 的选型策略、常见配置优化方法以及运维管理中容易忽视的关键细节，还提供了安全设置和成本控制的实用经验。通过这些深入解析与实际案例，帮助你全面提升管理效率，优化服务器性能，值得一试！

查看详情

无图

bl blog.devtang.com / 2025-01-02 23:40

CSPJ 教学思考：for 循环

学会高效使用 for 循环，提升代码质量！本文深入解析了 for 循环的用法，从基础语法到高级技巧一应俱全，还分享了常见的坑和优化建议。

查看详情

无图

bl blog.yuanpei.me / 2024-11-02 16:40

容器技术驱动下的代码沙箱实践与思考

本文探讨了基于容器技术的代码沙箱应用，旨在隔离代码执行环境，提升安全性和稳定性。通过 Docker 容器创建语言镜像，支持多语言代码执行。文章介绍了使用 Jupyter 实现代码可视化，并借助 nbformat 和 nbconvert 管理和执行 Jupyter 笔记本，增强代码展示效果。此方案不仅提高了开发灵活性，还便于在 AI 编程中实时展示和分析结果。

查看详情

无图

bl blog.yuanpei.me / 2024-11-02 16:39

温故而知新：后端通用查询方案的再思考

本文探讨了后端通用查询方案的设计，通过 `Gridify` 库启发，提出基于泛型和接口的查询模型，优化分页和过滤功能。实现细节包括 `QueryParameter` 类和 `IQueryableFilter` 接口的使用，自定义模型绑定方式，使查询参数更灵活，支持多种前后端兼容格式。文章强调开发中平衡灵活性与规范性，并认为在 AI 辅助编程背景下，程序员应专注于复杂问题解决和生产关系的改善。

查看详情

无图

bl blog.devtang.com / 2024-11-02 16:25

第一性原理思考：解决问题的通用框架(续)

本文深入探讨了几种思维框架，包括28原理、谬误推导和终局思维等，帮助在决策中聚焦关键因素，判断信息真伪。文章还列举了常见误区，如误把相关性当因果、从众心理和情绪化决策等，提醒在信息泛滥中保持清晰的逻辑思维。通过案例分析，这些思维模式能有效提升问题解决和决策的效率。

查看详情

无图

bl blog.devtang.com / 2024-11-02 16:20

第一性原理思考：解决问题的通用框架

本文介绍了解决问题的通用框架，基于“第一性原理”思考，分为信息收集、建模、判断和策略迭代四步。通过广泛收集经验与原始数据，建立问题模型，量化核心指标并不断优化策略，可以逐步解决复杂问题。框架虽无法保证执行到位，但帮助接近真实问题，为复杂决策提供可靠支持。

查看详情

无图

hu hubojing.github.io / 2024-08-06 08:12

【大模型系列】指令微调

本文总结了大模型中的指令微调（Instruction Tuning）技术，重点介绍了如何通过指令化数据对大语言模型进行参数微调以提升任务性能。文章探讨了数据构建方法如Self-Instruct和Evol-Instruct，以及微调策略包括优化设置和高效微调方法。通过这些技术，模型可以在多任务场景中表现出色。此内容对希望提升大语言模型能力的研究者和开发者具有参考价值。

查看详情

无图

技术头条

柴洪峰院士：大模型赋能金融科技思考与展望

赞过的人

发表评论

相关分享