【软考软设笔记】法律法规

最新推荐文章于 2024-10-08 16:42:22 发布
最新推荐文章于 2024-10-08 16:42:22 发布
阅读量113 收藏
点赞数
文章标签： 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Byecs_512/article/details/120313822
版权

法律法规 - 课程内容提要

在这里插入图片描述

  1. ——》思维：
    1）、从试题考点分布的角度分析
    2）、了解知识产权相关
    （1）、著作权：保护作者的利益
    （2）、领接权：保护著作权相关的利益，比如出版社的利益
    （3）、地理标志权：新疆哈密瓜（新疆并不是商标，只有产出地产出才有地理标志权）

法律法规 - 保护权限

  1. 公民作品（个人作品）
    在这里插入图片描述

法律法规 - 知识产权人确定

在这里插入图片描述
在这里插入图片描述

侵权判定

在这里插入图片描述

  1. 什么叫发表：公之于众，不用发布在报纸什么上，只要通过某种渠道，让他人知道你写了这篇文章即可，网站发表也是发表
  2. 第一点例子：你写的论文被人偷窃复制发表
  3. 第二点例子：作品越多越没有发展空间，因为步骤都差不多，限制
  4. 第三点例子：你翻译的东西，到被官方认定为官方翻译时，从翻译——》认定收著作权保护；认定之后，不再受，因为是国家层面的东西

在这里插入图片描述

标准化基础知识 - 标准的编号

在这里插入图片描述

在这里插入图片描述

  1. ——》考点：给你一个代号，问你是什么标准或者是哪一种类型的标准
  2. 重点：
    1）、国家标准
    2）、行业标准
    3）、地方标准
    4）、企业标准
荒野叉烧饭
关注
软考中级软件设计师 法律法规通关笔记
05-18
记录了近10年软考中级软件设计师考试中的法律法规常考选择题知识点
软考中级工程师笔记
a505964648的博客
05-08 3608
进制。
软考软件设计师基础知识—法律法规知识
ghost_him的博客
09-08 235
软考软件设计师基础知识—法律法规知识
软考资料（带笔记）.rar
06-15
8. **法律法规与标准**：讲解与信息系统项目相关的法规政策、行业标准和最佳实践，例如ISO/IEC 20000和ISO/IEC 27001。 9. **案例分析与实战演练**：通过实际项目案例，帮助考生理解理论知识在实际工作中的应用，并...
软考中级软件设计师专题复习笔记
04-20
8. **法律法规与标准化**：了解与软件开发相关的知识产权法、合同法，以及ISO、IEEE等制定的相关标准和规范。 9. **项目管理**：理解项目管理的基础知识，包括范围管理、时间管理、质量管理、风险管理等，能运用...
资料_软件设计师_软考笔记_
09-30
9. **法律法规**：了解与软件相关的知识产权、合同法、信息安全法等，确保软件开发的合规性。 10. **新技术趋势**：关注云计算、大数据、人工智能、物联网等新兴技术，理解它们的基本原理和应用。 在备考过程中，...
软考信息安全工程师 培训笔记.rar
02-16
软考信息安全工程师培训笔记，有思维导图，包含信息安全概念，信息安全法律法规，信息安全管理基础，信息安全标准化知识，信息安全专业英语等5个文档。
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-01
10-01 1298
本研究使用主题建模方法，映射了教育中多模态和生成式人工智能（GenAI）的研究现状。通过Dimensions.ai进行广泛的文献搜索，得到4175篇文章。采用主题建模方法提取潜在主题，得出38个可解释的主题，组织成14个主题区域。研究发现在教育背景下，文本到文本模型的研究占主导地位，而其他模态的研究相对较少，忽视了多模态方法的更广泛潜力。研究结果表明存在研究空白，强调了在不同AI模态和教育层次上给予更平衡关注的重要性。药品错误显著威胁患者安全，导致不良药物事件（ADEs）和医疗系统的巨大经济负担。
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-03
10-04 1899
随着在纽约证券交易所上市的公司数量呈指数级增长，市场分析师、交易员和股东需要定期监控和评估大量公司的表现和战略转变，面临着重大挑战。提出了一种新颖的数据驱动方法，利用大型语言模型（LLMs）系统地分析和评估基于其SEC 10-K文件的公司表现。这些文件提供了公司财务表现和战略方向的详细年度报告，是评估公司健康状况各个方面（包括信心、环境可持续性、创新和劳动力管理）的丰富数据源。此外，介绍了一个自动化系统，用于提取和预处理10-K文件。
大模型从入门到应用——LangChain：模型（Models）-[大型语言模型（LLMs）：基础知识！
2401_86435672的博客
10-08 752
😝有需要的小伙伴，可以保存图片到wx扫描二v码关注免费领取【保证100%免费】🆓。
NLP任务之翻译
Hiweir的博客
10-04 1426
翻译任务是标准的seq2seq的任务， LM是使用的模型的Linear Model那一层， MarianModel是专门用于翻译的模型#加载的预训练模型与加载的预训练分词器保持一致#创建一个变量 最后一层有vocab_size个类别概率输出，对应的也会有vocab_size个bias参数#输出层：全连接层#加载预训练权重参数#创建损失函数 ,创建在训练代码里面也可以！！！#获取最后一层的hidden_state。
论文翻译 | LLaMA-Adapter :具有零初始化注意的语言模型的有效微调
m0_49651195的博客
09-30 1992
我们提出了一种轻量级的自适应方法，可以有效地将LLaMA微调为指令遵循模型。lama - adapter采用52K自指导演示，在冻结的LLaMA 7B模型上只引入1.2M可学习参数，在8个A100 gpu上进行微调花费不到一个小时。具体来说，我们采用了一组可学习的自适应提示符，并将它们添加到更高的转换器层的单词令牌中。然后，提出了一种带有零门控的零初始化注意机制，该机制自适应地将新的教学线索注入到LLaMA中，同时有效地保留了预先训练好的知识。
CMU 10423 Generative AI：lec14（Vision Language Model：CLIP、VQ-VAE）
不精，不诚，不足以动人
10-03 1002
这份讲义主要讲解了的核心概念及其应用，涉及人工智能系统如何处理图像和文本输入并生成输出。人工通用智能 (AGI) 应该能够处理多种形式的输入与输出，包括音频、视频、图像、文本等。VLM 是专注于图像和文本混合输入，输出主要是文本，但也有可能生成图像。标准文本转换器通过将输入的文本转化为一系列的 tokens，然后使用 Transformer 模型处理这些 tokens。VLM 的不同之处在于它不仅能处理文本，还可以处理图像。
《大规模语言模型从理论到实践》第一轮学习--强化学习（RLHF）
最新发布
weixin_42264784的博客
10-08 756
RLHF（Reinforcement Learning from Human Feedback）:强化学习（Reinforcement Learning）结合人类反馈（Human Feedback）来微调大语言模型。大语言模型的训练步骤包括：预训练、指令微调（SFT）、对齐。对齐（alignment）的含义是让 LLM 与人类的价值观保持一致。这就是 RLHF 的用武之地。智能体在环境中获取某个状态后，会根据该状态输出一个动作，也称为决策。
论文翻译 | Language Models are Few-Shot Learners 语言模型是少样本学习者（上）
m0_49651195的博客
10-03 1146
最近的工作表明，通过在大规模文本语料库上进行预训练，然后在特定任务上进行微调，许多自然语言处理（NLP）任务和基准测试都取得了显著的提升。尽管这种方法在架构上通常是任务无关的，但它仍然需要成千上万个示例的任务特定微调数据集。相比之下，人类通常只需要几个示例或简单的指令就能完成新的语言任务——这是当前NLP系统仍然在很大程度上难以做到的。在这里，我们展示了扩大语言模型规模可以极大地提高任务无关的少样本性能，有时甚至能与之前的最佳微调方法相媲美。
论文翻译 | Model-tuning Via Prompts Makes NLP Models Adversarially Robust
m0_49651195的博客
10-05 1363
近年来，NLP从业者集中于以下实践:(i)导入现成的预训练(掩码)语言模型;(ii)在CLS令牌的隐藏表示(随机初始化权重)上附加多层感知器;(iii)在下游任务(MLP-FT)上微调整个模型。这一过程在标准的NLP基准上产生了巨大的收益，但这些模型仍然很脆弱，即使是轻微的对抗性扰动。在这项工作中，我们展示了通过提示进行模型调优(MVP)在对抗鲁棒性方面的惊人收获，这是一种适应下游任务的替代方法。MVP不是附加一个MLP头来进行输出预测，而是在输入中附加一个提示模板，并通过文本填充/完成进行预测。
transformers和bert实现微博情感分类模型提升
深度学习实战训练营，一起交流探索深度学习
10-08 415
本项目在中文情感分类的实现过程中，采用了一系列创新性技术手段和模型设计，使其能够在处理中文文本时更高效、更精准地进行情感分析。首先，该项目基于BERT模型进行文本情感分类，通过BERT的双向编码器（Bidirectional Encoder）来捕捉文本中上下文之间的依赖关系，从而更准确地理解情感信息。相比传统的单向LSTM或GRU模型，BERT能够同时关注句子前后文的所有词汇关系，因而在情感分类任务中表现优异。项目中引入了。
如何让70B参数的大型语言模型在资源有限的边缘设备上高效运行？
做一个道者
10-04 1154
你有没有想过，像我们平时使用的智能手机、家里的智能音箱这样的小设备，也能运行那些参数量高达数十亿的大型语言模型（LLM）呢？这听起来像是天方夜谭，毕竟这些模型动辄需要巨大的算力和存储资源，但实际上，随着技术的发展，这个梦想正在变成现实。那么，问题来了，怎么在资源有限的边缘设备上高效运行这些庞大的模型呢？有篇论文就是说的这个事，今天，我们就来聊聊这个话题。
于BERT的中文问答系统10
weixin_54366286的博客
10-06 657
XihuaModel 类继承自 torch.nn.Module，使用预训练的 BERT 模型作为基础，并在其上添加了一个线性分类层，用于二分类任务（判断回答是人类的还是 ChatGPT 的）。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值