Everyday try to become better -Kobe Bryant

sharemouse mac和windows共享一套键鼠

同样的aliyun平台中的ubuntu 24.04.1这个版本实测可行。无法ping通 google.com。centos7这个版本实测可行。

创建实例，点击左侧标签栏总的实例，找到链接帮助根据帮助中的ip信息，然后启用vscode的ssh链接ctrl+p选择配置，输入公网的ip即可passwd修改root密码。

电脑满足电脑和显示器要求的hdmi线或者转接头或者扩展坞betterdisplay软件。

因此我们选择同步任务中的单向上传，而且删除本地文件后，服务器端的文件仍然保留，当我们需要找已经被删除的文件的时候，只需要去nas当中找就好了。由于我们的目标是删除本地任务后，远程端仍然有备份。保证我们可以自由决定本地端留下什么，存储需要多少。创建同步任务，选择需要备份的本地磁盘以及远程存储的位置。macbook中安装并启动：SynologyDrive。

对git中的文件进行修改之后，会发现文件出现了不同的状态变化；

paper address:https://arxiv.org/abs/2408.00724

错误原因：openai.ChatCompletion.create(proj:MAD)api调用的问题，以及一些旧版的api的内容，可以在api 应用程序接口 中找到。大多数的内容都可以从官方文档的搜索当中找到。最新的调用代码应该参考官网为。

取消勾选同步此MAC后再次勾选，然后点击完成即可。打开icloud->备忘录。

这里有一个问题，就是，所招募的专家测试结果是找的各个专业的phd做完整的测试，然后取精确率的平均值作为对比数值，还是请他们分别做自己所属专业的部分试题，然后将结果汇总作为专家结果。我们认为，使用思维链可以在安全性和一致性方面取得重大进展，因为（1）它使我们能够以清晰的方式观察模型思维，（2）关于安全规则的模型推理对分布外的场景更稳健。然而，为了实现这一点，模型必须能够以不变的形式自由表达其思想，因此我们无法将任何政策合规性或用户偏好训练到思想链上。例如，在未来，我们可能希望监控思维链，寻找操纵用户的迹象。

【代码】textattack。

KAN基于表示定理：任意一个多元函数，可以用多个单元函数复合（例如+法）表示出来。不需要用特别深的神经网络。定理的不好的点：没有描述单元函数本身有多复杂。

huggingface不支持模型并行。张量并行，不满足大规模预训练的需求。1、组网部分 2、数据流 3、训练器 4、异步高效的模型存储。

用influence function来衡量新增一条数据对于模型训练的整体的影响。对比随即筛选和reward model筛选（开源的，用于对齐人类便好）。从一个question中看到多种多样的cot，都可以从中学习。思考增加或者减少一条数据，对于模型训练的影响。高质量的数据能够对主题产生正向的支持/反对。高质量的数据能够对模型产生正向的影响。使用最后一层MLP的梯度，聚类找出。数据的质量是模型自己来定义的。

在使用像BERT或RoBERTa这样的transformer模型时，和是两个不同的概念。: 这是一个布尔值，决定了模型是否应该返回所有隐藏层的输出。如果设置为True，模型将返回一个元组，其中包含每一层的隐藏状态。这对于某些任务（如特征提取或fine-tuning）可能是有用的，因为不同的隐藏层可能会捕获不同类型的信息。: 这是模型的最后一个隐藏层的输出，通常用作下游任务的输入（如文本分类或命名实体识别）。这是模型的主要输出，通常包含了输入序列的高级表示。在大多数情况下，您只需要。

计算语言协会有一个专门的网站，ACL系列的论文都会包括在其中，如果检索自然语言相关的论文，可以直接来ACL当中通过关键词检索就可以了。点击click to fetch all获取本次会议所有论文的标题，然后根据ctrl+f，利用浏览器根据标题检索论文即可。进入网站之后，选择会议以及会议年份，会显示每一年的官方网站，或者直接有论文列表。网址中会有会议年份选择和论文列表选择，进入论文列表之后直接根据关键词检索即可。如果没有论文列表，则考虑进入此页面中的会议官方网址，选中对应会议，进入检索论文即可。

然后在代码运行的主文件夹中，引入当前程序的跟路径（一般是程序所在的主文件夹）；然后倒入pushdeer模块，并调用该模块下的push_deer()方法，发送消息推送。.py文件是模块 含有.py文件以及__init__.py文件的文件夹是包。会得到设备的key,目前没有推送限制，一天50条。