[论文笔记] CT数据配比方法论——1、Motivation
我正在写这方面的论文，感兴趣的可以和我一起讨论！！！！！！
Motivation
1、探测原有模型的配比： 配比 与 ppl, loss, bpw, benchmark等指标 之间的关系。
2、效果稳定的配比：配比 与 模型效果 之间的规律。
Experiments
1、主语言（什么语言作为主语言，几种主语言？双主语言是否可行？）
DATA_CONFIG_PATH=/mnt/data/pretrain/code/Megatron-LM/scripts/train_scripts/data_configs/jinglei/CT_Qwen14B_22lan.txt
我在3期数据基础上调的新配比，13种语言只占0.13。由于重要语种的更改，把图中的de换成ja，占比0.046。
2、主语言占比
单主语言：主语言占比
双主语言：双主语言占比
3、阶梯配比
阶梯配比（9种语言扩到22种语言时，如果保持9种语言的配比，则会效果很差，扩充到22种语言需要用阶梯配比）
-
第0
相关文章：
[论文笔记] CT数据配比方法论——1、Motivation
我正在写这方面的论文，感兴趣的可以和我一起讨论！！！！！！ Motivation 1、探测原有模型的配比： 配比 与 ppl, loss, bpw, benchmark等指标 之间的关系。 2、效果稳定的配比：配比 与 模型效果 之间的规律。 Experiments 1、主语言（什么语言作为主语言，几种主语言？…...
某4G区域终端有时驻留弱信号小区分析
这些区域其实是长时间处于连接态的电信卡4G终端更容易出现。 出现问题时都是band1 100频点下发了针对弱信号的1650频点的连接态A4测量事件配置（其阈值为-106）。而这个条件很容易满足，一旦下发就会切到band3 1650频点。 而1650频点虽然下发ban…...
【体外诊断】ARM/X86+FPGA嵌入式计算机在免疫分析设备中的应用
体外诊断 信迈提供基于Intel平台、AMD平台、NXP平台的核心板、2.5寸主板、Mini-ITX主板、4寸主板、PICO-ITX主板，以及嵌入式准系统等计算机硬件。产品支持GAHDMI等独立双显，提供丰富串口、USB、GPIO、PCIe扩展接口等I/O接口，扩展性强…...
Linux上启动和停止jar
linux 后台运行jar 在Linux系统中，要想让jar包在后台运行，可以使用nohup命令和&符号。nohup命令可以使进程在后台不受挂起信号影响的执行，而&符号则是将任务放入后台执行。 以下是一个简单的命令示例，它将启动一个jar包…...
浏览器缓存：强缓存与协商缓存实现原理有哪些？
1、强缓存：设置缓存时间的，那么在这个时间内浏览器向服务器发送请求更新数据，但是服务器会让其从缓存中获取数据。 可参考：彻底弄懂强缓存与协商缓存 - 简书 2、协商缓存每次都会向浏览器询问，那么是怎么询问的呢&…...
持续集成04--Jenkins结合Gitee创建项目
前言 在持续集成/持续部署（CI/CD）的旅途中，Jenkins与版本控制系统的紧密集成是不可或缺的一环。本篇“持续集成03--Jenkins结合Gitee创建项目”将引导如何将Jenkins与Gitee（一个流行的Git代码托管平台）相结合ÿ…...
【Node.js基础02】fs、path模块
目录 一：fs模块-读写文件 1 加载fs模块对象 2 读制定文件内容文件 3 向文件中写入内容 二：path模块-路径处理 1 问题引入 2 __dirname内置变量 使用方法 一：fs模块-读写文件 fs模块封装了与本机文件系统交互方法和属性 1 加载fs模块…...
牛客TOP101：单链表的排序
文章目录 1. 题目描述2. 解题思路3. 代码实现 1. 题目描述 2. 解题思路 按我们以往的排序算法来看，针对链表来说都是太不合适，因为很多都会出现指针前移后移，后移还好说，前移对于链表来说就太难了，而且大部分都是某一个…...
数据可视化配色新工具，颜色盘多达2500+类
好看的配色，不仅能让图表突出主要信息，更能吸引读者，之前分享过很多配色工具，例如， 👉可视化配色工具：颜色盘多达3000+类，数万种颜色！ 本次再分享一个配色工具pypalettes，颜色盘多达2500+类。 安装pypalettes pip install pypalettes pypalettes使用 第1步，挑选…...
SpringAI简单使用（本地模型+自定义知识库）
Ollama 简介 Ollama是一个开源的大型语言模型服务工具，它允许用户在本地机器上构建和运行语言模型，提供了一个简单易用的API来创建、运行和管理模型，同时还提供了丰富的预构建模型库，这些模型可以轻松地应用在多种应用场景中。O…...
为什么要从C语言开始编程
在开始前刚好我有一些资料，是我根据网友给的问题精心整理了一份「C语言的资料从专业入门到高级教程」， 点个关注在评论区回复“888”之后私信回复“888”，全部无偿共享给大家！！！很多小伙伴在入门编程时。都…...
[数据集][目标检测]导盲犬拐杖检测数据集VOC+YOLO格式4635张2类别
数据集格式：Pascal VOC格式YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：4635 标注数量(xml文件个数)：4635 标注数量(txt文件个数)：4635 标注…...
数据结构（稀疏数组）
简介 稀疏数组是一种数据结构，用于有效地存储和处理那些大多数元素都是零或者重复值的数组。在稀疏数组中，只有非零或非重复的元素会被存储，从而节省内存空间。 案例引入 假如想把下面这张表存入文件，我们会怎么做？…...
python 爬虫技术 第02节 基础复习
Python基础复习 Python 是一种高级、通用、解释型的编程语言，以其简洁的语法和强大的功能在数据科学、Web 开发、自动化脚本编写、机器学习等领域广泛使用。下面是一些 Python 基础概念的复习： 1. 数据类型 Python 支持多种内置数据类型，包…...
数据结构-C语言-排序（3）
代码位置：test-c-2024: 对C语言习题代码的练习 (gitee.com) 一、前言： 1.1-排序定义： 排序就是将一组杂乱无章的数据按照一定的规律（升序或降序）组织起来。(注：我们这里的排序采用的都为升序) 1.2-排序分…...
【分布式事务】怎么解决分布式场景下数据一致性问题
分布式事务的由来 拿充值订单举个栗子吧，假设：原本订单模块和账户模块是放在一起的，现在需要做服务拆分，拆分成订单服务，账户余额服务。原本收到充值回调后，可以将修改订单状态和扣减余额放在一个mysql事务…...
C# 中的委托
委托的概念 在C#中，委托是一种引用类型，它表示对方法的引用，即委托就是一种用来指向一个方法的引用类型变量。委托的声明类似于方法签名，但是关键字是delegate。下面是一个委托的声明和使用的例子： // 声明一个委托 p…...
通过docker构建基于LNMP的WordPress项目
目录 1.准备nginx 2.准备mysql 3.准备php 4.构建各镜像 5.运行wordpress 1、项目环境： 1.1 （1）公司在实际的生产环境中，需要使用Docker 技术在一台主机上创建LNMP服务并运行Wordpress网站平台。然后对此服务进行相关的性能…...
2024新版IntelliJ IDEA修改包名 全网最简单最粗暴的方法
问题再现 我们在网上淘一些后端框架 又或者是开源的项目 如果要变成自己的 难免会去改包名 即把com.后面的内容改成自己自定义的 第一次我们直接用网络上的方法 shift F6 快捷键 可以修改包名 出现以下情况 进行修改 我们发现失败了 并没有像预计的一样直接把包名修…...
C#中处理Socket粘包
在C#中使用Socket进行网络通信时，粘包问题是常见的。粘包问题通常发生在TCP协议中，因为TCP是流式协议，数据可能会被分割成多个包发送，也可能多个小包会被合并成一个大包接收。 处理粘包问题的常见方法是使用消息分隔符或消息长度…...
如何使用Compiler Explorer实时编译原理：揭秘代码到汇编的转换过程
如何使用Compiler Explorer实时编译原理：揭秘代码到汇编的转换过程 【免费下载链接】compiler-explorer Run compilers interactively from your web browser and interact with the assembly 项目地址: https://gitcode.com/gh_mirrors/co/compiler-explorer …...
《QGIS快速入门与应用基础》240：指北针旋转与大小调整
作者：翰墨之道，毕业于国际知名大学空间信息与计算机专业，获硕士学位，现任国内时空智能领域资深专家、CSDN知名技术博主。多年来深耕地理信息与时空智能核心技术研发，精通 QGIS、GrassGIS、OSG、OsgEarth、UE、Cesium、OpenLayers、Leaflet、MapBox 等主流工具与框架，兼具…...
告别Charles/Fiddler抓包失败：用Magisk TrustUserCerts模块搞定安卓HTTPS拦截
安卓HTTPS抓包全攻略：从Magisk证书安装到防御绕过实战 移动应用安全测试中，HTTPS流量拦截是基础却关键的环节。随着Android系统安全机制的不断升级，传统的抓包方法在Android 7.0及更高版本上频频失效。本文将系统性地介绍基于Magisk的解决方案…...
nli-distilroberta-baseAI应用：心理健康聊天机器人对话逻辑连贯性监测
NLI DistilRoBERTa Base AI应用：心理健康聊天机器人对话逻辑连贯性监测 1. 项目概述 心理健康聊天机器人正成为越来越多人寻求心理支持的重要工具。然而，这类对话系统面临一个关键挑战：如何确保对话内容的逻辑连贯性？这正是nli-…...
从零到数据分析：用ClickHouse+DBeaver在Windows上复现一个电商用户行为查询
从零构建电商数据分析平台：Windows下ClickHouse与DBeaver实战指南 1. 为什么选择ClickHouse进行电商行为分析？ 去年双十一期间，某头部电商平台通过实时分析用户点击流数据，在活动开始后30分钟内就调整了首页推荐策略，…...
深蓝词库转换：20+输入法词库互通的完整实战指南
深蓝词库转换：20输入法词库互通的完整实战指南 【免费下载链接】imewlconverter ”深蓝词库转换“ 一款开源免费的输入法词库转换程序 项目地址: https://gitcode.com/gh_mirrors/im/imewlconverter 你是否曾在切换输入法时，为无法迁移多年积累的…...
3大核心模块：Steam成就管理开源工具从问题解决到效率提升的实战指南
3大核心模块：Steam成就管理开源工具从问题解决到效率提升的实战指南 【免费下载链接】SteamAchievementManager A manager for game achievements in Steam. 项目地址: https://gitcode.com/gh_mirrors/st/SteamAchievementManager 引言 在游戏玩家的日常体…...
UndertaleModTool：解锁游戏修改的无限可能
UndertaleModTool：解锁游戏修改的无限可能 【免费下载链接】UndertaleModTool The most complete tool for modding, decompiling and unpacking Undertale (and other Game Maker: Studio games!) 项目地址: https://gitcode.com/gh_mirrors/un/UndertaleModTool…...
微软研究院：让AI在现实世界中越用越聪明的“在线体验学习法“
这项由微软研究院团队完成的研究发表于2026年3月的arXiv预印本数据库，论文编号为arXiv:2603.16856v1。有兴趣深入了解的读者可以通过该编号查询完整论文。这项研究被称为"体验学习系列"的第二部分，第一部分专注于"在线策略情境蒸馏"…...
PhysX 5.1入门实战：从Hello World到刚体模拟的完整流程解析
PhysX 5.1入门实战：从Hello World到刚体模拟的完整流程解析 在游戏开发和物理仿真领域，PhysX引擎一直以其强大的性能和易用性著称。作为NVIDIA旗下的物理引擎解决方案，PhysX 5.1版本带来了更多优化和新特性。本文将带您从零开始，通…...