<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Young_Harry的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Young_Harry</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Young_Harry]]></copyright><item><title><![CDATA[港大×快手：OneLA：面向生成式推荐大规模 Beam 解码的线性注意力加速框架]]></title><link>https://blog.csdn.net/Young_Harry/article/details/166010391</link><guid>https://blog.csdn.net/Young_Harry/article/details/166010391</guid><author>Young_Harry</author><pubDate>Sat, 19 Sep 2026 21:38:38 +0800</pubDate><description><![CDATA[港大×快手提出OneLA：面向生成式推荐大规模 Beam 解码的线性注意力加速框架]]></description><category></category></item><item><title><![CDATA[深技大：CoVeMem——让Agent推荐系统的Memory“吃上梯度”]]></title><link>https://blog.csdn.net/Young_Harry/article/details/166008276</link><guid>https://blog.csdn.net/Young_Harry/article/details/166008276</guid><author>Young_Harry</author><pubDate>Sat, 19 Sep 2026 16:14:41 +0800</pubDate><description><![CDATA[CoVeMem = 推荐模型产生 Collaborative Vector Memory → 候选集决定读取哪些历史 → Projector把Vector变成Soft Token → Contrastive Alignment + Masked Ranking + LoRA让LLM学会读取 → 最后用Yes/No进行Ranking。]]></description><category></category></item><item><title><![CDATA[SIGIR 2026｜南京大学：Video-GAR：“通过生成 Query 来验证视频语义理解”的生成增强范式]]></title><link>https://blog.csdn.net/Young_Harry/article/details/165362538</link><guid>https://blog.csdn.net/Young_Harry/article/details/165362538</guid><author>Young_Harry</author><pubDate>Mon, 14 Sep 2026 22:11:32 +0800</pubDate><description><![CDATA[Video-GAR 干的事：把传统 VCMR 中“视频-文本相似度匹配”的判别式范式，改造成“通过生成 Query 来验证视频语义理解”的生成增强范式。]]></description><category></category></item><item><title><![CDATA[字节OneTrans]]></title><link>https://blog.csdn.net/Young_Harry/article/details/165286285</link><guid>https://blog.csdn.net/Young_Harry/article/details/165286285</guid><author>Young_Harry</author><pubDate>Mon, 14 Sep 2026 10:25:13 +0800</pubDate><description><![CDATA[OneTrans 提出了一种突破性的解决方案，旨在从根本上解决传统架构的瓶颈。其核心理念是一次深刻的演进：摒弃两阶段的分离式流水线，采用一个单一、统一的 Transformer 主干网络，该网络能够在一个统一的计算图中联合执行特征交互和序列建模。]]></description><category></category></item><item><title><![CDATA[中科大 × NUS × 美团提出Pigeon：个性化图像生成]]></title><link>https://blog.csdn.net/Young_Harry/article/details/165243104</link><guid>https://blog.csdn.net/Young_Harry/article/details/165243104</guid><author>Young_Harry</author><pubDate>Sun, 13 Sep 2026 22:32:03 +0800</pubDate><description><![CDATA[中科大 × NUS × 美团提出Pigeon：从用户历史图片中学习隐式视觉偏好 + 理解 Reference Image/Text 的显式需求 → 生成个性化新图片。]]></description><category></category></item><item><title><![CDATA[港科大（广州）× 南航 × OPPO：DPPMG——个性化多模态生成框架]]></title><link>https://blog.csdn.net/Young_Harry/article/details/164983168</link><guid>https://blog.csdn.net/Young_Harry/article/details/164983168</guid><author>Young_Harry</author><pubDate>Sun, 13 Sep 2026 16:58:46 +0800</pubDate><description><![CDATA[推荐模型学到的是连续用户偏好，而生成模型需要离散 Token；DPPMG 用 RQ-VAE 把用户偏好离散化成 Preference Tokens，再把它作为接口接入 LLM/Diffusion，并用 Reward 保证个性化和跨模态一致性。]]></description><category></category></item><item><title><![CDATA[美团MTGR]]></title><link>https://blog.csdn.net/Young_Harry/article/details/164880677</link><guid>https://blog.csdn.net/Young_Harry/article/details/164880677</guid><author>Young_Harry</author><pubDate>Thu, 10 Sep 2026 20:41:14 +0800</pubDate><description><![CDATA[美团MTGR的创新+优点+做法]]></description><category></category></item><item><title><![CDATA[小红书GenRank]]></title><link>https://blog.csdn.net/Young_Harry/article/details/164879903</link><guid>https://blog.csdn.net/Young_Harry/article/details/164879903</guid><author>Young_Harry</author><pubDate>Thu, 10 Sep 2026 20:18:00 +0800</pubDate><description><![CDATA[GenRank的创新点+好处+做法]]></description><category></category></item><item><title><![CDATA[OneRec-V1和V2的架构演进]]></title><link>https://blog.csdn.net/Young_Harry/article/details/163590842</link><guid>https://blog.csdn.net/Young_Harry/article/details/163590842</guid><author>Young_Harry</author><pubDate>Sat, 08 Aug 2026 16:58:53 +0800</pubDate><description><![CDATA[OneRec-V1和V2的论文算法思想解读]]></description><category></category></item><item><title><![CDATA[linux搜索命令（grep+sed）]]></title><link>https://blog.csdn.net/Young_Harry/article/details/163497330</link><guid>https://blog.csdn.net/Young_Harry/article/details/163497330</guid><author>Young_Harry</author><pubDate>Wed, 05 Aug 2026 10:52:59 +0800</pubDate><description><![CDATA[本文介绍了两个实用的Linux命令：grep和sed。（用来查看文档中的代码并打印出来）]]></description><category></category></item><item><title><![CDATA[查看Tensorflow是否受GPU支持]]></title><link>https://blog.csdn.net/Young_Harry/article/details/141326040</link><guid>https://blog.csdn.net/Young_Harry/article/details/141326040</guid><author>Young_Harry</author><pubDate>Mon, 19 Aug 2024 15:09:21 +0800</pubDate><description><![CDATA[【代码】查看Tensorflow是否受GPU支持。]]></description><category></category></item><item><title><![CDATA[不换环境！已解决failed to run cuBLAS routine: CUBLAS_STATUS_EXECUTION_FAILED]]></title><link>https://blog.csdn.net/Young_Harry/article/details/141195045</link><guid>https://blog.csdn.net/Young_Harry/article/details/141195045</guid><author>Young_Harry</author><pubDate>Wed, 14 Aug 2024 16:51:44 +0800</pubDate><description><![CDATA[unset LD_LIBRARY_PATH 是一个用于清空 Linux 或 Unix 操作系统环境变量 LD_LIBRARY_PATH 的命令。]]></description><category></category></item><item><title><![CDATA[EMMA: Equivariant Multi-Modality Image Fusion(等变多模态图像融合)]]></title><link>https://blog.csdn.net/Young_Harry/article/details/139260907</link><guid>https://blog.csdn.net/Young_Harry/article/details/139260907</guid><author>Young_Harry</author><pubDate>Wed, 29 May 2024 10:25:52 +0800</pubDate><description><![CDATA[多模态图像融合是一种将来自不同传感器或模态的信息进行融合的技术，使融合后的图像能够保留来自各模态的互补特征，如功能亮点和纹理细节等。然而，由于地面真值融合数据的稀缺性，对这类融合模型的有效训练具有挑战性。为了解决这个问题，我们提出了端到端自监督学习的等变多模态年龄融合( EMMA )范式。我们的方法根植于先验知识，即自然成像响应对某些变换是等变的。因此，我们引入了一种新的训练模式，包括一个融合模块，一个伪感知模块和一个等变融合模块。这些成分使得网络训练在满足等变成像先验的同时，遵循自然感知-成像过程的原则。]]></description><category></category></item><item><title><![CDATA[DJTU区块链实验室使用python3容器安装pytorch环境步骤]]></title><link>https://blog.csdn.net/Young_Harry/article/details/138951081</link><guid>https://blog.csdn.net/Young_Harry/article/details/138951081</guid><author>Young_Harry</author><pubDate>Thu, 16 May 2024 11:42:25 +0800</pubDate><description><![CDATA[1.由于这个容器拉去下来后自带python3.8，所以我们需要安装对应的pytorch版本，首先我们需要更新一下pip，否则用不了安装命令。2.安装pytorch（这个torch是我针对python3.8查的版本 ，很好用）这个过程可能有点慢……接下来就可以按照你的复现实验来继续往下进行了~3.检验是否安装成功（检验是否能用GPU帮助训练）如果输出True，说明没问题。]]></description><category></category></item><item><title><![CDATA[CDDFuse无颜色问题（已解决）]]></title><link>https://blog.csdn.net/Young_Harry/article/details/138860977</link><guid>https://blog.csdn.net/Young_Harry/article/details/138860977</guid><author>Young_Harry</author><pubDate>Tue, 14 May 2024 16:48:15 +0800</pubDate><description><![CDATA[解决了CDDFuse的融合图像没有颜色问题]]></description><category></category></item><item><title><![CDATA[CDDFuse复现成功！问题记录（没有颜色问题已解决）]]></title><link>https://blog.csdn.net/Young_Harry/article/details/136656443</link><guid>https://blog.csdn.net/Young_Harry/article/details/136656443</guid><author>Young_Harry</author><pubDate>Tue, 12 Mar 2024 16:44:19 +0800</pubDate><description><![CDATA[这是我在复现CDDFuse时候错误记录，并复现成功的记录]]></description><category></category></item><item><title><![CDATA[Latex+Sublime快捷指令]]></title><link>https://blog.csdn.net/Young_Harry/article/details/135001256</link><guid>https://blog.csdn.net/Young_Harry/article/details/135001256</guid><author>Young_Harry</author><pubDate>Fri, 15 Dec 2023 10:13:49 +0800</pubDate><description><![CDATA[正常一个文件夹下只有FIg、.bib、.tex三个文件（夹）（就够了，不是只有这三个，其他的在编译后都会自动生成，但我的还需要一个spconf.sty文件）beqs：添加普通公式\begin{equation} （加s是多行）bem：小括号的一段 shift+回车表示下一行2）3）4）例如：Fig.~\ref{fig:图片名称} 展示了……例如：(\ref{eq:A})is a formula.beqc：中心对齐的（上边的是用等号对齐）Ctrl+1：正向检索。Ctrl+2：显示目录。Ctrl+[：退一步。]]></description><category></category></item><item><title><![CDATA[Ubuntu查看每个文件夹大小]]></title><link>https://blog.csdn.net/Young_Harry/article/details/134910781</link><guid>https://blog.csdn.net/Young_Harry/article/details/134910781</guid><author>Young_Harry</author><pubDate>Sun, 10 Dec 2023 16:53:15 +0800</pubDate><description><![CDATA[du -sh ./*]]></description><category></category></item><item><title><![CDATA[REOWOD复现！——搭建步骤，已经成功（不用anaconda）]]></title><link>https://blog.csdn.net/Young_Harry/article/details/134836501</link><guid>https://blog.csdn.net/Young_Harry/article/details/134836501</guid><author>Young_Harry</author><pubDate>Wed, 06 Dec 2023 17:54:12 +0800</pubDate><description><![CDATA[如果这里报错关于什么cuda版本啥的，那肯定是版本不兼容了，一定找cuda对应的pytorch和python，我的cuda是11.4，但我找不到11.4，就找了好久，用的现在的第三步的命令（没有conda好难受，但是安装了anaconda还容易找不到问题T_T)先说一下，nvidia-smi中显示的cuda版本和nvcc-V中显示的cuda版本不一样的话，你真实的版本其实是nvcc-V的，我前一个就是12.0，后一个就是11.4，但是报错就报11.4，跟12.0没关系。]]></description><category></category></item><item><title><![CDATA[清华源pip地址]]></title><link>https://blog.csdn.net/Young_Harry/article/details/134817042</link><guid>https://blog.csdn.net/Young_Harry/article/details/134817042</guid><author>Young_Harry</author><pubDate>Tue, 05 Dec 2023 20:55:48 +0800</pubDate><description><![CDATA[【代码】清华源pip地址。]]></description><category></category></item></channel></rss>