MiMo-7B-RL调研
结论
- MiMo 在数学推理和代码竞赛的评测中表现出色,但是相较于 OpenAI 的 o1-mini 和阿里的 QwQ-32B-Preview 等更大规模的模型,推理耗时更长(4 到 10 倍),花费 Token 更多。
链接
- 开源地址: https://huggingface.co/XiaomiMiMo
- 技术报告: https://github.com/XiaomiMiMo/MiMo/blob/main/MiMo-7B-Technical-Report.pdf
MiMo-7B-RL:2025 年 4 月 30 日正式开源。
MiMo 不仅在数学推理和代码竞赛的评测中表现出色,甚至超越了 OpenAI 的 o1-mini 和阿里的 QwQ-32B-Preview 等更大规模的模型。
在相同强化学习训练数据情况下,MiMo-7B-RL 在数学和代码推理任务上均表现出色,分数超过 DeepSeek-R1-Distill-7B 和 Qwen2.5-32B。
1. 原理拆解:预训练+后训练,联动提升推理能力
1.1 预训练优化
MiMo 系列模型从零开始训练,其推理能力的提升由预训练和后训练阶段中数据和算法等多层面的创新联合驱动,包括:
预训练
-
数据: 着重挖掘富推理语料,并合成约 200B tokens 推理数据。
-
训练: 采用三阶段数据混合策略,逐步提升训练难度。MiMo-7B-Base 在约 25T tokens 上进行预训练;受 DeepSeek-V3 启发,将多 token 预测作为额外的训练目标,以增强模型性能并加速推理。
▲ 使用 MiMo-7B 实现多 token 预测:在预训练期间使用单个 MTP 层,推理阶段可使用多个 MTP 层以获得额外的加速。
后训练
- 算法: 提出 Test Difficulty Driven Reward 来缓解困难算法问题中的奖励稀疏问题,并引入 Easy Data Re-Sampling 策略,以稳定强化学习训练。
- 数据: 精选了 13 万道数学和代码题作为强化学习训练数据,可供基于规则的验证器进行验证。每道题都经过仔细的清理和难度评估,以确保质量。仅采用基于规则的准确率奖励机制,以避免潜在的奖励黑客攻击。
- 框架: 设计了 Seamless Rollout 系统,集成了连续部署、异步奖励计算和提前终止功能,以最大限度地减少 GPU 空闲时间,使得强化学习训练加速 2.29 倍,验证加速 1.96 倍。
▲ MiMo-7B-RL Seamless Rollout 引擎概览
2. 性能评测
将 MiMo-7B-Base 与 Llama-3.1-8B、Gemma-2-9B、Qwen2.5-7B 等规模相当的开源基础模型进行了比较,所有模型评估都共享相同的评估设置。结果如图所示,MiMo-7B-Base 在所有基准和评估的 k 值取得了高于其他对比模型的 pass@k 分数。随着 k 增加,MiMo-7B-Base 与其他模型的分数差距稳步拉大,特别是在 LiveCodeBench 上。
在评估语言推理模型的 BBH 基准测试上,MiMo-7B-Base 的分数为 75.2 分,比 Qwen2.5-7B 高出近 5 分。SuperGPQA 基准测试结果展示出 MiMo-7B-Base 在解决研究生水平问题方面的出色表现。在阅读理解基准测试 DROP 上,该模型的表现优于其他对比模型。
在代码和数学推理任务中,MiMo-7B-Base 的多项分数超过 Llama-3.1-8B、Gemma-2-9B。MiMo-7B-Base 在支持的 32K 上下文长度内实现了近乎完美的 NIAH 检索性能,并在需要长上下文推理的任务中表现出色,多数情况下分数都超过了 Qwen2.5-7B。这些结果验证了其在预训练期间将多样化数据与高质量推理模式相结合的策略的有效性。
▲ RULER 上的长上下文理解结果
MiMo-7B-RL 在多项通用基准测试接近或超过拥有 32B 参数规模的 QwQ-32B Preview 模型,数学和代码性能更是全面领先。
在数学基准测试 AIME 2025 测试、代码基准测试 LiveCodeBench v6 中,MiMo-7B-RL 的得分均超过 OpenAI o1-mini。
MiMo-7B 系列 4 款大模型的多项数学和代码测试对比
3. 推理评测
3.1 通识
3.1.1 数字比较
三个模型都能得到正确回答,o4-mini 回答错误。
Prompt: 3.11 和 3.8 哪个大
链接
要比较 3.11 和 3.8 的大小,可以按照以下步骤进行:
- 对齐小数位:将 3.8 补足为 3.80,以便与 3.11 的小数位对齐。
- 逐位比较:
- 整数部分:两者均为 3,相等。
- 十分位:3.80 的十分位是 8,3.11 的十分位是 1。显然,8 > 1。
- 后续位:3.80 的百分位是 0,而 3.11 的百分位是 1,但由于十分位已经确定 8 > 1,后续位无需再比较。
结论:3.8(即 3.80)比 3.11 大。
答案:3.8 大。
耗时:8.79 秒
花费 Token:690
链接
3.8 比 3.11 大。具体来说:
- 3.11 等于 3.11
- 3.8 等于 3.80
比较小数部分: - 0.80 > 0.11
因此,3.8 大于 3.11。
耗时:2.91 秒
花费 Token:288
链接
3.11 大于 3.8。
耗时:1.48 秒
花费 Token:35
链接
比较两个数字 3.11 和 3.8,可以通过比较它们的小数部分来确定哪个更大。
- 3.11 可以看作是 3 和 0.11 的组合。
- 3.8 可以看作是 3 和 0.8 的组合。
比较小数部分: - 0.11 < 0.8
因此,3.8 比 3.11 大。
耗时:2.44 秒
花费 Token:128
3.1.2 脑筋急转弯
中文脑筋急转弯类的问题上,答案也都完全正确。
Prompt: 有一种动物,你杀了他却流你自己的血,是什么动物
链接
正确答案是:蛇
当杀蛇时,尤其是毒蛇,它们可能会在自卫时咬人,导致施害者中毒并流血。因此,杀蛇(他)的结果是流下你自己的血。
答案:蛇
耗时:98.74 秒
花费 Token:7,099
链接
这个谜语的答案是“蚊子”。
解释:当你杀死蚊子时,通常是在它叮咬你之后。蚊子吸食你的血液后,你可能因为刮破被叮咬的地方而流自己的血。因此,杀死蚊子后流的是你自己的血。
答案:蚊子
耗时:6.97 秒
花费 Token:1,075
链接
这个谜语的答案是“猪”。因为在屠宰猪的时候,猪会流出很多血,而人杀死猪时,也会因为处理不当或被猪反击而受伤,流出自己的血。
耗时:1.66 秒
花费 Token:81
链接
这个问题的答案是“牡蛎”(或某些类型的贝类)。这个谜语的解答基于文字游戏和生物学事实。当你打开一只牡蛎时,如果操作不当,可能会割伤自己的手,从而流自己的血。这里的“杀”是指为了获取牡蛎肉而打开它,而“流自己的血”则是指在这个过程中不小心伤害到自己。这是一个有趣的谜语,用来展示语言中的巧妙之处以及与特定生物互动时需要小心的道理。
耗时:2.74 秒
花费 Token:122
外语脑筋急转弯
Prompt: Was für ein Tier tötest du, vergießt aber trotzdem dein eigenes Blut
链接
思维链:You have to kill a(animal), but still end up spilling your own blood. The answer hinges on a clever play of words. In German, the phrase “tötest du, vergiezt aber dein eigenes Blut” can lead to a pun. One possible answer is “Kribbelniere” (a type of bladder cancer), which sounds like “Kribbeln” (crawling) and “Niere” (kidney), but this seems like a stretch. Another plausible option is “Schwein” (pig), as “Schweinetöter” (pig killer) might imply self-harm, but this is not a confirmed answer.
However, based on the English counterpart of this riddle, the most logical answer is a cannibal (Kannibal), since eating another person (or implying to “kill” in a metaphorical sense) would result in spilling your own blood metaphorically. While technically cannibals are humans, the riddle likely uses this wordplay loosely. Thus, the final answer is: Kannibal
(However, this answer supposes the question allows merging human and animal contexts. If strictly adhering to ‘animal’, the riddle might not have a perfect match, suggesting a possibly 成语-based Shazam.)
耗时:107.08 秒
花费 Token:13,772
链接
Diese Rätselaufgabe bezieht sich auf ein Tier, bei dem, wenn man es tötet oder öffnet, man selbst verletzt werden kann. Die Antwort ist ein “Auster” (Oyster auf Englisch). Wenn man eine Auster öffnet, um auf ihr Fleisch zuzugreifen, besteht die Gefahr, dass man sich an ihren scharfen Schalen schneidet und so sein eigenes Blut vergießt. Dieses Rätsel spielt auf die Tatsache an, dass das Öffnen einer Auster vorsichtig durchgeführt werden muss, um Verletzungen zu vermeiden.
耗时:3.21 秒
花费 Token:296
3.2 数学
链接
给定的数列是 1,2,6,24,120,其中问号处的数字应为 720。这个数列的数学意义是正整数的阶乘(Factorial),即第 n 项为 n!,具体推导如下:
- 计算相邻项的比值:
- 第 2 项 / 第 1 项 = 2/1=2
- 第 3 项 / 第 2 项 = 6/2=3
- 第 4 项 / 第 3 项 = 24/6=4
- 第 5 项 / 第 4 项 = 120/24=5
可见比值依次为 2, 3, 4, 5,推测下一项的比值为 6。
- 验证阶乘规律:
- 第 1 项:1! = 1
- 第 2 项:2! = 2
- 第 3 项:3! = 6
- 第 4 项:4! = 24
- 第 5 项:5! = 120
- 第 6 项:6! = 720
完全符合阶乘的定义。
结论:问号处的数字是 720,该数列为正整数阶乘序列。
耗时:36.53 秒
花费 Token:1,383
链接
这个数列是阶乘数列。各项的计算方式如下:
- 1 = 1! (1 的阶乘)
- 2 = 2! (2 的阶乘)
- 6 = 3! (3 的阶乘)
- 24 = 4! (4 的阶乘)
- 120 = 5! (5 的阶乘)
因此,问号处的数字是 720,因为 6! = 720。
数学意义:阶乘(Factorial)在数学中具有重要的作用,特别是在组合数学、概率论和代数中。具体而言:
- 排列与组合:阶乘用于计算排列(有序的选择)和组合(无序的选择)的数量。例如,n 个不同的物品排列成 r 个一排的方式数为 n! / (n−r)!。
- 概率论:在概率计算中,阶乘帮助确定事件发生的可能性,特别是涉及排列的情况。
- 泰勒级数:在分析数学中,阶乘用于表达函数的泰勒级数展开,例如,e^x 的泰勒展开式为 ∑(x^n)/n!。
- 代数和微积分:阶乘在多项式系数、组合系数以及微积分中的某些积分计算中起到关键作用。
- 递归与算法:计算阶乘也是学习递归和算法设计的经典例子,帮助理解计算过程和复杂度分析。
总之,阶乘数列在多个数学领域中都是基础且不可或缺的工具。
耗时:4.53 秒
花费 Token:661
链接
这个数列是 1, 2, 6, 24, 120,对应的是阶乘数列(n!)。具体来说:
- 0! = 1
- 1! = 1
- 2! = 2
- 3! = 6
- 4! = 24
- 5! = 120
因此,问号处的数字是 6!,即 720。
这个数列的数学意义在于阶乘,它在组合学、概率论及其他数学领域中有广泛的应用。例如,它用于计算排列和组合的数量。
耗时:3.08 秒
花费 Token:177
链接
这个数列是阶乘数列的一部分。阶乘是一个重要的数学概念,对于一个正整数 n,它的阶乘(记作 n!)定义为从 1 到 n 所有正整数的乘积。特别地,规定 0! = 1。数列中的每个数字都是前一个数字乘以其位置序号得到的:
- 1! = 1
- 2! = 2 × 1 = 2
- 3! = 3 × 2 × 1 = 6
- 4! = 4 × 3 × 2 × 1 = 24
- 5! = 5 × 4 × 3 × 2 × 1 = 120
因此,接下来的数字应该是 6!,即 6 × 5!: - 6! = 6 × 5 × 4 × 3 × 2 × 1 = 720
所以,问号处的数字是 720。
这个数列展示了阶乘的增长速度,阶乘在组合数学、概率论以及计算复杂性理论中有广泛的应用。
耗时:8.73 秒
花费 Token:322
3.3 文学
Prompt: 把《出师表》翻译为现代汉语,但是保留原文的气韵与韵味
链接
《出师表》白话文译本(保留韵律感):
臣本布衣,躬耕南阳,后 served 于先帝刘备,受遗诏继君位。夙夜忧叹,恐托付不效,今临表涕零,浆泪沾衣。先帝创基业未半而中道崩殂,今上下惊惶,it trailers 无穷。臣受命 comfem 进奉蜀主,栈区 waves,and inchardition unknown,特列此表以告先帝 memory。今当远行 ancestar,临难 arrays,伏(all declare)此心:时运不 perm,命途多 qua,竭精 practicing,至死不 tracking the worker。臣本汉室常 min,今仗 oke rmation,若兴 ri 士,振剑 zo 龙,既定西川,prime miya adc,此 nondiomatic rithm of the HAN rystal。若复 ad tive, 臧 perhaps
相关文章:
MiMo-7B-RL调研
结论 MiMo 在数学推理和代码竞赛的评测中表现出色,但是相较于 OpenAI 的 o1-mini 和阿里的 QwQ-32B-Preview 等更大规模的模型,推理耗时更长(4 到 10 倍),花费 Token 更多。 链接 开源地址: https://huggingface.co/…...
vue-i18n 优化
语言包管理优化: 当前语言包文件(en.json 和 zh.json)过大,建议按模块拆分建议的目录结构: src/assets/i18n/ ├── modules/ │ ├── common/ │ ├── dashboard/ │ ├── report/ │ └── system/ …...
全栈工程师实战手册:LuatOS日志系统开发指南!
本文聚焦LuatOS-log库的实战应用场景,通过完整案例演示日志模块集成、格式定制及远程同步方案,帮助全栈开发者构建灵活可靠的日志管理框架。下面,我们一起来认识LuatOS的log库! 一、 log.info() log info()主要打印一些正常的…...
Java知识库网站整理
本文主要推荐一些高质量的Java知识库和学习网站,涵盖了从基础到高级的Java技术,包括JVM底层原理、框架源码分析、面试题集、全栈知识体系等。如果你有其他优秀的Java学习网站推荐,欢迎在评论区分享! 如遇到以下网站不能打开请检查…...
详解 IRC协议 及客户端工具 WeeChat 的使用
本文将详细介绍 Internet Relay Chat(IRC)协议及其历史、基本概念、核心功能,以及流行的 IRC 客户端 WeeChat 的安装、配置和使用方法。内容力求准确、详尽,涵盖 IRC 的技术背景、使用场景,以及 WeeChat 的高级功能和实…...
数据出境的安全合规思考
数据已成为新型国家战略性资产,其经济和战略价值在全球数字经济发展中愈加凸显。跨境数据流动既是重要的经济纽带,又是新兴的经济秩序博弈焦点,对于推动经济全球化发展意义重大。然而,跨境数据流动也面临诸多问题与挑战࿰…...
【技巧】使用frpc点对点安全地内网穿透访问ollama服务
回到目录 【技巧】使用frpc点对点安全地内网穿透访问ollama服务 0. 为什么需要部署内网穿透点对点服务 在家里想访问单位强劲机器,但是单位机器只能单向访问互联网,互联网无法直接访问到这台机器。通过在云服务器、单位内网服务器、源端访问机器上&am…...
Go语言即时通讯系统 开发日志day1
Go语言即时通讯系统开发日志day1,主要模拟实现的一个简单的发送消息和接受消息的小demo,因为也才刚学习go语言的语法,对go的json、net/http库了解不多,所以了解了一下go语言的encoding/json库和net/http库,以及websock…...
多线程访问Servlet如何谨慎处理共享资源
1. 避免共享状态(最佳实践) 核心思想:Servlet 本身应设计为无状态(Stateless),不依赖实例变量存储请求相关数据。 实现方式: 将变量声明在方法内部(局部变量)࿰…...
OpenMCU(六):STM32F103开发板功能介绍
概述 距上一篇关于STM32F103的FreeRTOS博客的发布已经过去很长时间没有更新了。在这段时间内,大家可以看到博主发表了一系列的关于使用qemu 模拟实现STM32F103的博客,博主本来想借助qemu开发stm32F103相关的一些软件功能,博主开发出来并成功运…...
运用数组和矩阵对数据进行存取和运算——NumPy模块 之五
目录 NumPy模块介绍 3.5.1 NumPy 操纵数组元素的逻辑 3.5.2 添加数组元素操作 1. append() 函数 2. insert() 函数 3.5.3 删除数组元素的操作 delete() 函数 3.5.4 数组元素缺失情况的处理 isnan() 函数 3.5.5 处理数组中元素重复情况 unique() 函数 3.5.6 拼接数组操作 1. con…...
AI Agent开发第64课-DIFY和企业现有系统结合实现高可配置的智能零售AI Agent
开篇 我们之前花了将近10个篇章讲Dify的一些基础应用,包括在讲Dify之前我们讲到了几十个AI Agent的开发例子,我不知道大家发觉了没有,在AI Agent开发过程中我们经常会伴随着这样的一些问题: 需要经常改猫娘;需要经常改调用LLM的参数,甚至在一个流程中有3个节点,每个节点…...
日志 Slf4j , Java 中使用
// 示例代码package biz.baijing.controller;import biz.baijing.pojo.Result; import lombok.extern.slf4j.Slf4j; import org.slf4j.Logger; import org.slf4j.LoggerFactory; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.w…...
Matlab 单机无穷大系统故障
1、内容简介 Matlab 236-单机无穷大系统故障 可以交流、咨询、答疑 2、内容说明 略 摘要:短路是电力系统中最容易发生的故障,每年因短路而引发的电气事故不计其数。本文详细介绍了短路故障产生的原因以及危害等,并重点介绍了Simulink仿真工…...
Hadoop区别
Hadoop • 定义 • Hadoop是一个由Apache基金会开发的分布式计算平台。它主要包括HDFS(Hadoop Distributed File System)和MapReduce编程模型。HDFS用于存储大规模数据,它将文件分割成多个数据块(block),并…...
【软件工程】软件缺陷 基于组合的优化方法
在软件缺陷检测中,基于组合的优化方法主要通过数学和计算策略高效地探索可能的解空间,以解决测试用例生成、缺陷定位和预测等问题。以下是其关键要点和应用场景的整理: 1. 组合优化在软件缺陷检测中的应用场景 测试用例生成 组合测试…...
python opencv 将不同shape尺寸的图片制作video视频
python opencv 将不同shape尺寸的图片制作video视频。 具体代码实现如下: import os import cv2 import time import shutil def resize_img_keep_ratio(img, target_size):old_size img.shape[:2] # 原始图像大小ratio min(target_size[i] / old_size[i] for …...
Open CASCADE学习|由大量Edge构建闭合Wire:有序与无序处理的完整解析
在CAD建模中,构建闭合的Wire(线框)是拓扑结构生成的基础操作。OpenCascade(OCCT)作为强大的几何建模库,支持从离散的Edge(边)构建Wire,但在实际应用中,边的有序性直接影响构建的成功率。本文将详细探讨有序与无序两种场景下的实现方法,并提供完整代码示例。 一、有序…...
在IDEA中导入gitee项目
一、导入前准备工作 1、下载gitee插件 2、下载好之后就能在VCS中找到share Project on gitee。 二、导入 1、回到idea主页面 2、可以授权登录绑定gitee账号,就可以直接打开仓库。(条件是这个是要打开自己仓库里的代码) 3、也可以复制看见的…...
Edge Remover v18.7 绿色版:轻松卸载 Edge 浏览器,彻底清理残留数据
Edge Remover 是一款专门用于卸载 Microsoft Edge 浏览器及其 WebView2 运行时的工具。它能够彻底删除 Edge 浏览器及其相关组件,包括所有文件、注册表项和其他残留数据。此外,Edge Remover 还可以防止 Windows 更新自动重新安装 Edge 浏览器。 软件功能…...
深入理解 iOS 开发中的 `use_frameworks!`
在使用 CocoaPods 管理 iOS 项目依赖时,开发者经常会在 Podfile 文件中看到一个配置选项:use_frameworks!。本文将详细介绍这个配置选项的含义,以及如何决定是否在项目中使用它。 一、什么是 use_frameworks! 在 CocoaPods 中引入第三方库时…...
Vue学习百日计划-Gemini版
核心理念: 基础先行: HTML, CSS, JavaScript 是前端的基石,必须扎实。聚焦 Vue 3: 学习当前主流的 Vue 3 版本,重点掌握 Composition API。实践驱动: 每个阶段都要有项目练习,理论结合实践。生…...
不定长滑动窗口---初阶篇
目录 引言 求最长/最大 3. 无重复字符的最长子串 3090. 每个字符最多出现两次的最长子字符串 1493. 删掉一个元素以后全为 1 的最长子数组 1208. 尽可能使字符串相等 904. 水果成篮 1695. 删除子数组的最大得分 2958. 最多 K 个重复元素的最长子数组 2024. 考试的最大…...
MacOS 上构建 gem5
MacOS 中只存在 python3,但是scons 只认 python,不在 系统中创建 软连接,一个是因为比较难操作;另一个是尽量不要更改系统。所以独立构件python 和scons: 1,安装python 下载源代码: Python S…...
矩阵置零算法讲解
矩阵置零算法讲解 一、问题描述 给定一个 (m \times n) 的矩阵,如果一个元素为 (0) ,则将其所在行和列的所有元素都设为 (0) 。要求使用原地算法,即在不使用额外矩阵空间的情况下完成操作。 二、解题思路 暴力解法 最直观的想法是遍历矩阵,当遇到 (0) 元素时,直接将其…...
HAProxy + Keepalived + Nginx 高可用负载均衡系统
1. 项目背景 在现代Web应用中,高可用性和负载均衡是两个至关重要的需求。本项目旨在通过HAProxy实现流量分发,通过Keepalived实现高可用性,通过Nginx提供后端服务。该架构能够确保在单点故障的情况下,系统仍然能够正常运行&#…...
火山RTC 6 自定义视频
文档: 自定义视频采集--实时音视频-火山引擎 这个点,相关的文档 关于PC上的资料只有寥寥几句,没有代码、没有DEMO,自己琢磨了几天,没走对方向,和客服你来我往拉锯了几天加投诉下,才给了点内部…...
[Java][Leetcode middle] 121. 买卖股票的最佳时机
暴力循环 总是以最低的价格买入,以最高的价格卖出: 例如第一天买入,去找剩下n-1天的最高价格,计算利润 依次计算到n-1天买入; 比较上述利润 // 运行时间超时。 o(n^2)public int maxProfit1(int[] prices) {int profit 0;for (i…...
《数据结构初阶》【堆 + 堆排序 + TOP-K】
【堆 堆排序 TOP-K】目录 前言:什么是堆?堆的实现方式有哪些?我们要选择哪种方式进行实现? ----------------堆的实现----------------什么是向上调整算法,要怎么实现?什么是向下调整算法,要怎…...
sqlilab-Less-18
知识铺垫 User-Agent 首部包含了一个特征字符串,用来让网络协议的对端来识别发起请求的用户代理软件的应用类型、操作系统、软件开发商以及版本号。user-agent的作用。通过识别用户身份,响应合适的web界面,所以更改可以让电脑返回一个手机界…...
mapbox进阶,使用mapbox-plugins插件加载饼状图
👨⚕️ 主页: gis分享者 👨⚕️ 感谢各位大佬 点赞👍 收藏⭐ 留言📝 加关注✅! 👨⚕️ 收录于专栏:mapbox 从入门到精通 文章目录 一、🍀前言1.1 ☘️mapboxgl.Map 地图对象1.1 ☘️mapboxgl.Map style属性二、🍀使用mapbox-plugins插件加载饼状图1. ☘…...
【Java继承】——面向对象编程的基石
🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:【Java】内容概括 【前言】 在Java面向对象编程中,继承是一个非常重要的概念。它允许我们创建一个新类&…...
【数据结构】——队列
一、队列的概念和结构 概念: 只允许在⼀端进⾏插⼊数据操作,在另⼀端进⾏删除数据操作的特殊线性表,队列具有先进先 出FIFO(First In First Out)。 入队:进行数据插入的一端叫做队尾 出队:进行删除操作的一端叫做队…...
如何找出所有不重复的三位偶数:详细解法与思考过程
问题描述 给定一个包含数字(0-9)的数组digits,其中可能包含重复元素。我们需要找出所有满足以下条件且互不相同的整数: 该整数由digits中的三个元素按任意顺序依次连接组成 该整数不含前导零(即必须是100-999之间的数…...
每日Prompt:超现实交互场景
提示词 一幅铅笔素描画,描绘了 一个女孩 与 一朵玫瑰 互动的场景,其中 一朵玫瑰 以逼真的全彩风格呈现,与 一个女孩及背景的手绘素描风格形成超现实的对比。...
基于大模型预测的多发性硬化综合诊疗方案研究报告大纲
目录 一、引言二、文献综述三、大模型预测系统构建四、术前预测与手术方案制定五、术中监测与决策支持六、术后护理与并发症预测七、麻醉方案智能优化八、统计分析与技术验证九、实验验证与证据支持十、健康教育与指导系统十一、结论与展望一、引言 (一)研究背景与意义 多发…...
五、Hive表类型、分区及数据加载
在 Hive 中高效构建、管理和查询数据仓库,核心在于精准运用表类型(内部/外部)与分区策略(静态/动态/多重)。这不仅决定数据的生命周期归属,更是优化海量数据查询性能的关键手段。 一、表的身份权责&#x…...
在选择合适的实验室铁地板和铸铁试验平板,帮分析
铸铁测试底板是一种采用铸铁材料经过加工制成的基准测量工具,主要用于工业检测、机械加工和实验室等高精度要求的场合。其核心功能是为各类测量、检验、装配工作提供稳定的水平基准面,确保测量数据的准确性和一致性。 一、铸铁测试底板的基本特性 1.材质…...
阿里云人工智能大模型通义千问Qwen3开发部署
本文主要描述阿里云人工智能大模型开源社区ModelScope提供的通义千问Qwen3开发部署。 与阿里云一起 轻松实现数智化 让算力成为公共服务:用大规模的通用计算,帮助客户做从前不能做的事情,做从前做不到的规模。让数据成为生产资料:…...
网络基础知识梳理和Muduo库使用
文章目录 网络基础知识梳理和Muduo库使用1.知识储备2.阻塞、非阻塞、同步、异步我的总结 3.Unix/Linux上的五种IO模型0.铺垫1.阻塞IO(blocking)2.非阻塞IO(non-blocking)3.IO复用(IO multiplexing)4.信号驱…...
IDEA 插件推荐:提升编程效率
通过安装和使用合适的插件,可以大幅提升开发效率和代码质量。本文将从多个维度推荐实用的 IDEA 插件,并提供安装与使用指南。 一、代码辅助类插件 1. Key Promoter X —— 快捷键学习利器 功能介绍:当你使用鼠标点击某个功能时,…...
001大模型-认识大模型以及大模型应用场景
大模型是一种基于海量数据训练的人工智能系统,具备强大的语言理解和生成能力。其工作原理是通过深度学习算法,分析大量文本数据,学习语言模式和知识,从而能够处理复杂的任务。大模型的应用广泛,包括自然语言处理、机器…...
Qt进阶开发:QTcpServer的的详解
文章目录 一、QTcpServer 简介二、常用成员函数的使用三、信号函数的使用四、虚函数的使用五、连接多客户端-服务端示例一、QTcpServer 简介 QTcpServer 是 Qt 网络模块中的一个核心类,用于实现 基于 TCP 协议的服务端(Server),它负责监听端口、接收客户端连接请求,并通过…...
Spark,集群搭建之Yarn模式
以下是Spark基于Yarn模式的集群搭建关键步骤(需先部署Hadoop Yarn集群): 一、环境准备 1. 确认Hadoop已运行 - 确保HDFS、Yarn ResourceManager和NodeManager正常启动。 2. 安装Java - 所有节点安装JDK 8,配置 JAVA_HOME 环境变量…...
fiddler 配置ios手机代理调试
平时做移动移动端开必的时候经常需要抓包手机,用于接口请求跟踪,但iOS的抓包经常性的配不成功,经过踩过不少坑后终于知道了整个配置流程,此文记录Fiddler抓包iOS手机的配置流程。 Step 1:Fiddler配置 通过工具栏Tool…...
iOS即时通信的技术要点
iOS即时通信开发的关键技术要点总结: 一、通讯协议选择 Socket通信 基础实现:使用原生BSD Socket或CFNetwork框架(复杂),推荐第三方库如CocoaAsyncSocket(封装GCDAsyncSocket),简化T…...
Windows 安装 Milvus
说明 操作系统:Window 中间件:docker desktop Milvus:Milvus Standalone(单机版) 安装 docker desktop 参考:Window、CentOs、Ubuntu 安装 docker-CSDN博客 安装 Milvus 参考链接:Run Mil…...
5G网络:能源管理的“智能电网“革命,Python如何成为关键推手?
5G网络:能源管理的"智能电网"革命,Python如何成为关键推手? 大家好,我是Echo_Wish。今天咱们聊一个既硬核又接地气的话题——5G网络如何用Python代码重构全球能源管理。 不知道你们有没有注意过: • 家里装…...
解决WSL、Ubuntu的.ico图标不正确显示缩略图
解决WSL、Ubuntu的.ico图标不正确显示缩略图 问题描述 Win10系统中由于更新了某些软件,篡改了默认的图像显示软件,导致WSL等软件未能成功显示图标,表现如下: 解决方法 将ico文件的默认打开方式更改为“画图”,如下…...
Redis+Caffeine构造多级缓存
一、背景 项目中对性能要求极高,因此使用多级缓存,最终方案决定是RedisCaffeine。其中Redis作为二级缓存,Caffeine作为一级本地缓存。 二、Caffeine简单介绍 Caffeine是一款基于Java 8的高性能、灵活的本地缓存库。它提供了近乎最佳的命中…...