- 【RAG面试题】LLMs已经具备了较强能力,存在哪些不足点?
一叶千舟
AI面试题【RAG】RAG
目录LLMs核心不足点1、知识过时与静态性(LackofReal-Time&DynamicKnowledge):2、幻觉与事实性错误(Hallucinations&FactualInaccuracies):3、领域专业知识深度不足(LimitedDomain-SpecificExpertise):4、缺乏透明度和可追溯性(LackofTransparency&Traceability):5、上下文
- 潜入思维的海洋:SoftCoT++如何让语言模型更聪明
步子哥
智能涌现语言模型人工智能自然语言处理
在人工智能的浩瀚星空下,大型语言模型(LLMs)如同一颗颗璀璨的恒星,照亮了从文本生成到复杂推理的广阔领域。然而,这些模型在推理任务中往往像是在迷雾中航行——尽管它们能抵达目的地,却常常因为固定的思维路径而错过更优的航线。2025年5月,一篇题为《SoftCoT++:Test-TimeScalingwithSoftChain-of-ThoughtReasoning》的论文如同一盏明灯,照亮了如何让
- 企业级AI开发利器:Spring AI框架深度解析与实战_spring ai实战
AI大模型-海文
人工智能springpython算法开发语言java机器学习
企业级AI开发利器:SpringAI框架深度解析与实战一、前言:Java生态的AI新纪元在人工智能技术爆发式发展的今天,Java开发者面临着一个新的挑战:如何将大语言模型(LLMs)和生成式AI(GenAI)无缝融入企业级应用。传统的Java生态缺乏统一的AI集成方案,开发者往往需要为不同AI供应商(如OpenAI、阿里云、HuggingFace)编写大量重复的接口适配代码,这不仅增加了开发成本,
- LLMs基础学习(八)强化学习专题(7)
汤姆和佩琦
NLP学习Actor-Critic算法
LLMs基础学习(八)强化学习专题(7)文章目录LLMs基础学习(八)强化学习专题(7)Actor-Critic算法基础原理算法流程细节算法优缺点分析算法核心总结视频链接:https://www.bilibili.com/video/BV1MQo4YGEmq/?spm_id_from=333.1387.upload.video_card.click&vd_source=57e4865932ea6c
- 【人工智能】微调的秘密武器:释放大模型的无限潜能
蒙娜丽宁
Python杂谈人工智能人工智能
《PythonOpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门!解锁Python编程的无限可能:《奇妙的Python》带你漫游代码世界在人工智能迅猛发展的今天,大规模语言模型(LLMs)以其强大的通用能力席卷各行各业。然而,如何让这些通用模型在特定领域或任务中发挥最大潜力?答案是微调(Fine-tuning)。本文深入探讨微调的理论基础、技术细节与实践方法,揭示其作为解锁大模型隐藏潜力
- 入选 ICML 2025!哈佛医学院等推出全球首个 HIE 领域临床思维图谱模型,神经认知结果预测任务上性能提升 15%
hyperai
在人工智能技术突飞猛进的当下,大型视觉-语言模型(LVLMs)正以惊人的速度重塑多个领域的认知边界。在自然图像与视频分析领域,这类模型依托先进的神经网络架构、海量标注数据集与强大算力支持,已能精准完成物体识别、场景解析等高阶任务。而在自然语言处理领域,LVLMs通过对TB级文本语料的学习,在机器翻译、文本摘要、情感分析等任务上达到专业级水准,其生成的学术摘要甚至能精准提炼医学文献的核心结论。然而当
- LLMs之Embedding:Qwen3 Embedding的简介、安装和使用方法、案例应用之详细攻略
一个处女座的程序猿
NLP/LLMsembeddingLLM
LLMs之Embedding:Qwen3Embedding的简介、安装和使用方法、案例应用之详细攻略目录Qwen3Embedding的简介1、特点2、模型列表3、评测结果MTEB(Multilingual)MTEB(Engv2)C-MTEB(MTEBChinese)RerankerQwen3Embedding的使用方法1、安装2、使用方法2.1、TextEmbedding嵌入模型的使用方法Tran
- LLMs之MCP:excel-mcp-server的简介、安装和使用方法、案例应用之详细攻略
一个处女座的程序猿
NLP/LLMsLLMMCP
LLMs之MCP:excel-mcp-server的简介、安装和使用方法、案例应用之详细攻略目录excel-mcp-server的简介1、特点2、支持的文件格式:excel-mcp-server的安装和使用方法1、安装通过NPM安装Windows平台其他平台通过Smithery安装2、使用方法(工具)excel-mcp-server的案例应用excel-mcp-server的简介excel-mcp
- ⼤模型(LLMs)基础⾯
cv2016_DL
LLM大模型计算机视觉人工智能llama
1.⽬前主流的开源模型体系有哪些?⽬前主流的开源LLM(语⾔模型)模型体系包括以下⼏个:1.GPT(GenerativePre-trainedTransformer)系列:由OpenAI发布的⼀系列基于Transformer架构的语⾔模型,包括GPT、GPT-2、GPT-3等。GPT模型通过在⼤规模⽆标签⽂本上进⾏预训练,然后在特定任务上进⾏微调,具有很强的⽣成能⼒和语⾔理解能⼒。2.BERT(B
- Are Multimodal Large Language Models Pragmatically Competent Listeners in Simple Reference
UnknownBody
LLMDailyMultimodal语言模型人工智能自然语言处理
论文主要内容总结本文聚焦于多模态大语言模型(MLLMs)在指称消解任务中的语用能力研究,通过简单但抽象的视觉刺激(如颜色块和颜色网格)开展实验。具体内容如下:1.研究目的考察LLaVA-NeXT、Qwen2-VL和JanusPro等MLLMs在“导演-匹配者”式参考游戏中,对颜色和空间布局的语境化语用推理能力,验证其是否能像人类一样根据视觉上下文解析指称表达。2.实验方法模型:测试三种MLLMs的
- GitHub 趋势日报 (2025年06月22日)
qianmoQ
GitHub项目趋势日报(2025年)github
由TrendForge系统生成|https://trendforge.devlive.org/本日报中的项目描述已自动翻译为中文今日获星趋势图今日获星趋势图624LLMs-from-scratch523ai-engineering-hub501n8n320data-engineer-handbook243gitingest217edit188claude-code172NotepadNext语言分
- Langflow:这个拖拽式AI工作流神器正在颠覆传统编程
Langflow是一个用于构建和部署由大语言模型(LLMs)驱动的AIAgent和逻辑流程(Workflows)的可视化工具。它不仅提供了类似积木搭建式的可视化界面来快速创建Agent,还提供一套完整的API系统,使每个Agent都能轻松集成进任意技术栈的应用中。你可以将它看作是AI世界的前端工程图板:可视化+可部署+模块配置自由。Stars数77,217Forks数6,889主要特点可视化流程搭
- Spring AI Alibaba Graph 实践
本文中将阐述下AI流程编排框架和SpringAIAlibabaGraph以及如何使用。1.Agent智能体结合Google和Authropic对Agent的定义:Agent的定义为:智能体(Agent)是能够独立运行,感知和理解现实世界并使用工具来实现最终目标的应用程序。从架构上,可以将Agent分为两类:Workflows系统:人类干预做整体决策,LLMs作为workflows链路的节点。具有明
- vllm docker容器部署大语言模型
zhangxiangweide
docker语言模型容器vllm
什么是VLLM?VLLM(VeryLargeLanguageModelInference)是一个高性能、优化显存管理的大模型推理引擎。它的目标是最大化推理吞吐量,并降低显存消耗,让大语言模型(LLMs)在单卡或多GPU服务器上运行得更高效。VLLM的核心优势:高吞吐量:支持批量推理,减少token生成延迟,高效KV缓存管理:优化GPU显存,支持更长的上下文多GPU支持:TensorParallel
- MYSQL数据库和MSSQL数据库有什么区别?如何进行备份和还原?
网硕互联的小客服
服务器网络mysqlmssqlsql
MySQL和MSSQL是两种广泛使用的关系型数据库,但它们在架构、功能、性能、平台支持以及使用场景等方面存在许多差异。以下是详细的区别,以及两者的备份和还原方法。1.MySQL与MSSQL的区别1.1基本概念数据库MySQLMSSQL开发者Oracle(最初由MySQLAB开发)Microsoft适用场景开源项目、轻量型网站、跨平台应用企业级解决方案、大型ERP系统、Windows应用平台支持跨平
- 大语言模型应用指南:多模态大语言模型
AI天才研究院
AI人工智能与大数据AI大模型企业级应用开发实战AI大模型应用入门实战与进阶计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
大语言模型应用指南:多模态大语言模型作者:禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词:多模态大语言模型(MMLM),多媒体数据处理,自然语言理解,图像文本生成,应用场景探索1.背景介绍1.1问题的由来随着人工智能技术的迅速发展,特别是自然语言处理(NLP)领域的突破,大型语言模型(LargeLanguageModels,LLMs)成为研究热点。
- Cline核心说明文档
什么是Cline?(WhatisCline?)Cline是一个与MicrosoftVisualStudioCode集成的AI开发助手。它在您的IDE和大语言模型(LLMs)之间提供接口,促进代码开发,提高生产力,并降低新手程序员的入门门槛。根据权限设置,Cline可以读/写文件,执行命令,使用您的网络浏览器,并通过模型上下文协议(ModelContextProtocol)服务器扩展其功能。Clin
- 知识付费创业的产品差异化策略
AI天才研究院
ChatGPTAI大模型企业级应用开发实战AI人工智能与大数据大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
第一部分:知识付费行业背景与市场分析第1章:知识付费行业概述1.1知识付费的发展历程知识付费,顾名思义,是指用户为了获取有价值的信息或知识,而主动支付费用的一种行为模式。这一概念并非现代产物,但其发展历程却与互联网技术的进步息息相关。回顾知识付费的发展历程,可以将其大致划分为以下几个阶段:萌芽阶段(20世纪末至21世纪初):随着互联网的普及,在线学习平台如Coursera、Udemy等开始涌现,提
- 【AI论文】MultiFinBen:一个用于金融大语言模型评估的多语言、多模态且具备难度感知能力的基准测试集
东临碣石82
人工智能金融语言模型
摘要:近期,大型语言模型(LLMs)的进展加速了金融自然语言处理(NLP)及其应用的发展,然而现有的基准测试仍局限于单语言和单模态场景,往往过度依赖简单任务,无法反映现实世界金融交流的复杂性。我们推出了MultiFinBen,这是首个针对全球金融领域定制的多语言、多模态基准测试集,用于在特定领域任务上跨模态(文本、视觉、音频)和语言环境(单语言、双语、多语言)对大型语言模型进行评估。我们引入了两个
- 本地部署大语言模型
小俊学长
语言模型人工智能自然语言处理
本地部署大语言模型(LLMs)是一个涉及多个步骤和技术细节的过程,包括硬件准备、软件安装、模型下载与配置等。以下是一个详细且全面的指南,旨在帮助读者在本地环境中成功部署大语言模型。一、硬件准备本地部署大语言模型对硬件有一定的要求,主要集中在显卡(GPU)和内存(RAM)上。由于大语言模型通常具有庞大的参数量和计算量,因此需要强大的硬件支持。显卡(GPU):入门级配置:推荐至少使用NVIDIAGeF
- LLaDA:用扩散模型改变语言生成的范式
Jay Kay
论文阅读自然语言处理人工智能机器学习
引言近年来,大型语言模型(LLMs)取得了显著进展,展现了诸如上下文学习、指令遵循、推理和多轮对话等能力。然而,这些模型大多基于自回归模型(ARMs),通过逐词预测生成文本,存在计算效率低、难以处理逆向推理任务等问题。最近,中国人民大学高瓴人工智能学院李崇轩、文继荣教授团队和蚂蚁集团联合推出了LLaDA(LargeLanguageDiffusionwithmAsking),这是一种基于扩散模型的语
- 使用Helm部署Nginx过程记录与问题解决
m0_53747349
#k8snginx运维kubernetes
一、引言在Kubernetes环境中,借助Helm部署Nginx是实现高效应用交付的重要手段。但在实践过程中,往往问题百出。本文将详细梳理从Helm前期准备到Nginx成功部署及问题解决的全过程,为同样在学习helm的朋友们提供全面且实用的参考。二、Helm部署Nginx前期准备(一)HelmChart仓库操作查找潜在仓库在开始部署Nginx前,我们需要找到合适的HelmChart。执行helms
- DB-GPT-HUB Text-to-SQL微调
__如风__
数据库gptsql
DB-GPT-HUBText-to-SQL微调项目介绍DB-GPT-Hub是一个利用LLMs实现Text-to-SQL解析的实验项目,主要包含数据集收集、数据预处理、模型选择与构建和微调权重等步骤,通过这一系列的处理可以在提高Text-to-SQL能力的同时降低模型训练成本,让更多的开发者参与到Text-to-SQL的准确度提升工作当中,最终实现基于数据库的自动问答能力,让用户可以通过自然语言描述
- 大语言模型:人工智能的“大脑革命“与未来图景
RockLiu@805
大模型实战人工智能语言模型自然语言处理
大语言模型:人工智能的"大脑革命"与未来图景——从GPT-3到AGI的演进之路引言:算力觉醒的时代2022年11月,ChatGPT的横空出世犹如一记惊雷,仅用5天时间就突破百万用户,两个月后月活用户突破1亿。这个现象级应用背后,是参数量高达1750亿的GPT-3.5大模型在支撑。这场由大语言模型(LargeLanguageModels,LLMs)引发的AI革命,正在重塑人类社会的认知边界。当我们与
- 玩转大模型:从提示工程到人机协同,你的AI生产力指南
charieli1981
人工智能提示词工程大模型prompt
大模型时代,提问的艺术远不止“问”那么简单!想让AI成为你的得力助手?这篇“避坑指南”加“进阶攻略”,带你玩转提示工程与人机协作,用幽默风趣的语言,助你成为大模型时代的“魔法师”!引言:和AI一起“打怪升级”,你准备好了吗?想让大模型(LLMs)乖乖听话,帮你高效工作?这可不是随便问两句就能搞定的事儿。它就像个武功盖世却初入江湖的少年侠客,你得手把手教,才能把它潜力百分百激发出来。而“提示工程”(
- 【LLM安全】A Survey on Large Language Model (LLM) Security and Privacy- The Good, the Bad, and the Ugly
1.IntroductionTheGood:LLMs在代码安全和数据安全与隐私方面都做出了贡献。在代码安全的背景下,LLMs已经被用于代码(例如,安全编码、测试用例生成、脆弱代码检测、恶意代码检测、代码修复等)的整个生命周期。在数据安全和隐私方面,LLMs已被应用于确保数据完整性、数据机密性、数据可靠性和数据可追溯性。大多数研究人员发现基于LLM的方法优于传统最先进的方法。TheBad:我们将攻击
- Spring AI 系列之使用 Spring AI 开发模型上下文协议(MCP)
@@@八爪鱼
spring人工智能java
1.概述现代网页应用越来越多地集成大型语言模型(LLMs)来构建解决方案,这些解决方案不仅限于基于常识的问答。为了增强AI模型的响应能力,使其更具上下文感知,我们可以将其连接到外部资源,比如搜索引擎、数据库和文件系统。然而,整合和管理多种格式和协议不同的数据源是一个挑战。由Anthropic提出的模型上下文协议(ModelContextProtocol,简称MCP)解决了这一整合难题,提供了一种标
- 使用Xinference与LangChain实现强大的模型推理
yunwu12777
langchain
技术背景介绍随着深度学习和机器学习技术的快速发展,如何有效地管理和部署大型语言模型(LLM)成为了一项重要课题。Xinference是一款强大的推理库,它能够无缝地为LLMs、语音识别模型以及多模态模型提供服务。基于XorbitsInference技术,用户可以通过简单的命令来快速部署和服务这些模型,无论是在本地机器还是在分布式集群中。核心原理解析Xinference的设计目标是降低使用复杂模型的
- Causal-aware Large Language Models: Enhancing Decision-Making Through Learning, Adapting and Acting
UnknownBody
LLMDailyCausalandReasoning语言模型人工智能自然语言处理
论文主要内容总结研究背景与问题大语言模型(LLMs)在决策领域展现出巨大潜力,但预训练模型存在推理能力不足、难以适应新环境的问题,严重制约了其在复杂现实任务中的应用。现有方法如强化学习(RL)单独使用或LLM辅助RL的方式,仍依赖token预测范式,缺乏结构化推理和快速适应性。核心框架与方法提出因果感知大语言模型(Causal-awareLLMs),将结构因果模型(SCM)整合到决策过程中,采用“
- 奇点思维:大型语言模型强化推理探秘之旅
步子哥
AGI通用人工智能语言模型人工智能自然语言处理
当你凝视夜空中闪烁的点点星辰,不难联想到人类思维的复杂性。正如诺姆·乔姆斯基曾言:“如果语言贫乏,那么思维也将贫乏。”如今,我们正处于一个由大型语言模型(LLMs)引领的新时代——在这些模型的背后,不仅蕴含着海量数据的洗礼,更有着层层递进的推理能力。本文将聚焦论文《迈向大型推理模型:大型语言模型强化推理综述》所揭示的核心思想,通过引人入胜的叙述为你还原这一前沿领域的点点滴滴。导论:人类语言与机器思
- Java 并发包之线程池和原子计数
lijingyao8206
Java计数ThreadPool并发包java线程池
对于大数据量关联的业务处理逻辑,比较直接的想法就是用JDK提供的并发包去解决多线程情况下的业务数据处理。线程池可以提供很好的管理线程的方式,并且可以提高线程利用率,并发包中的原子计数在多线程的情况下可以让我们避免去写一些同步代码。
这里就先把jdk并发包中的线程池处理器ThreadPoolExecutor 以原子计数类AomicInteger 和倒数计时锁C
- java编程思想 抽象类和接口
百合不是茶
java抽象类接口
接口c++对接口和内部类只有简介的支持,但在java中有队这些类的直接支持
1 ,抽象类 : 如果一个类包含一个或多个抽象方法,该类必须限定为抽象类(否者编译器报错)
抽象方法 : 在方法中仅有声明而没有方法体
package com.wj.Interface;
- [房地产与大数据]房地产数据挖掘系统
comsci
数据挖掘
随着一个关键核心技术的突破,我们已经是独立自主的开发某些先进模块,但是要完全实现,还需要一定的时间...
所以,除了代码工作以外,我们还需要关心一下非技术领域的事件..比如说房地产
&nb
- 数组队列总结
沐刃青蛟
数组队列
数组队列是一种大小可以改变,类型没有定死的类似数组的工具。不过与数组相比,它更具有灵活性。因为它不但不用担心越界问题,而且因为泛型(类似c++中模板的东西)的存在而支持各种类型。
以下是数组队列的功能实现代码:
import List.Student;
public class
- Oracle存储过程无法编译的解决方法
IT独行者
oracle存储过程
今天同事修改Oracle存储过程又导致2个过程无法被编译,流程规范上的东西,Dave 这里不多说,看看怎么解决问题。
1. 查看无效对象
XEZF@xezf(qs-xezf-db1)> select object_name,object_type,status from all_objects where status='IN
- 重装系统之后oracle恢复
文强chu
oracle
前几天正在使用电脑,没有暂停oracle的各种服务。
突然win8.1系统奔溃,无法修复,开机时系统 提示正在搜集错误信息,然后再开机,再提示的无限循环中。
无耐我拿出系统u盘 准备重装系统,没想到竟然无法从u盘引导成功。
晚上到外面早了一家修电脑店,让人家给装了个系统,并且那哥们在我没反应过来的时候,
直接把我的c盘给格式化了 并且清理了注册表,再装系统。
然后的结果就是我的oracl
- python学习二( 一些基础语法)
小桔子
pthon基础语法
紧接着把!昨天没看继续看django 官方教程,学了下python的基本语法 与c类语言还是有些小差别:
1.ptyhon的源文件以UTF-8编码格式
2.
/ 除 结果浮点型
// 除 结果整形
% 除 取余数
* 乘
** 乘方 eg 5**2 结果是5的2次方25
_&
- svn 常用命令
aichenglong
SVN版本回退
1 svn回退版本
1)在window中选择log,根据想要回退的内容,选择revert this version或revert chanages from this version
两者的区别:
revert this version:表示回退到当前版本(该版本后的版本全部作废)
revert chanages from this versio
- 某小公司面试归来
alafqq
面试
先填单子,还要写笔试题,我以时间为急,拒绝了它。。时间宝贵。
老拿这些对付毕业生的东东来吓唬我。。
面试官很刁难,问了几个问题,记录下;
1,包的范围。。。public,private,protect. --悲剧了
2,hashcode方法和equals方法的区别。谁覆盖谁.结果,他说我说反了。
3,最恶心的一道题,抽象类继承抽象类吗?(察,一般它都是被继承的啊)
4,stru
- 动态数组的存储速度比较 集合框架
百合不是茶
集合框架
集合框架:
自定义数据结构(增删改查等)
package 数组;
/**
* 创建动态数组
* @author 百合
*
*/
public class ArrayDemo{
//定义一个数组来存放数据
String[] src = new String[0];
/**
* 增加元素加入容器
* @param s要加入容器
- 用JS实现一个JS对象,对象里有两个属性一个方法
bijian1013
js对象
<html>
<head>
</head>
<body>
用js代码实现一个js对象,对象里有两个属性,一个方法
</body>
<script>
var obj={a:'1234567',b:'bbbbbbbbbb',c:function(x){
- 探索JUnit4扩展:使用Rule
bijian1013
java单元测试JUnitRule
在上一篇文章中,讨论了使用Runner扩展JUnit4的方式,即直接修改Test Runner的实现(BlockJUnit4ClassRunner)。但这种方法显然不便于灵活地添加或删除扩展功能。下面将使用JUnit4.7才开始引入的扩展方式——Rule来实现相同的扩展功能。
1. Rule
&n
- [Gson一]非泛型POJO对象的反序列化
bit1129
POJO
当要将JSON数据串反序列化自身为非泛型的POJO时,使用Gson.fromJson(String, Class)方法。自身为非泛型的POJO的包括两种:
1. POJO对象不包含任何泛型的字段
2. POJO对象包含泛型字段,例如泛型集合或者泛型类
Data类 a.不是泛型类, b.Data中的集合List和Map都是泛型的 c.Data中不包含其它的POJO
 
- 【Kakfa五】Kafka Producer和Consumer基本使用
bit1129
kafka
0.Kafka服务器的配置
一个Broker,
一个Topic
Topic中只有一个Partition() 1. Producer:
package kafka.examples.producers;
import kafka.producer.KeyedMessage;
import kafka.javaapi.producer.Producer;
impor
- lsyncd实时同步搭建指南——取代rsync+inotify
ronin47
1. 几大实时同步工具比较 1.1 inotify + rsync
最近一直在寻求生产服务服务器上的同步替代方案,原先使用的是 inotify + rsync,但随着文件数量的增大到100W+,目录下的文件列表就达20M,在网络状况不佳或者限速的情况下,变更的文件可能10来个才几M,却因此要发送的文件列表就达20M,严重减低的带宽的使用效率以及同步效率;更为要紧的是,加入inotify
- java-9. 判断整数序列是不是二元查找树的后序遍历结果
bylijinnan
java
public class IsBinTreePostTraverse{
static boolean isBSTPostOrder(int[] a){
if(a==null){
return false;
}
/*1.只有一个结点时,肯定是查找树
*2.只有两个结点时,肯定是查找树。例如{5,6}对应的BST是 6 {6,5}对应的BST是
- MySQL的sum函数返回的类型
bylijinnan
javaspringsqlmysqljdbc
今天项目切换数据库时,出错
访问数据库的代码大概是这样:
String sql = "select sum(number) as sumNumberOfOneDay from tableName";
List<Map> rows = getJdbcTemplate().queryForList(sql);
for (Map row : rows
- java设计模式之单例模式
chicony
java设计模式
在阎宏博士的《JAVA与模式》一书中开头是这样描述单例模式的:
作为对象的创建模式,单例模式确保某一个类只有一个实例,而且自行实例化并向整个系统提供这个实例。这个类称为单例类。 单例模式的结构
单例模式的特点:
单例类只能有一个实例。
单例类必须自己创建自己的唯一实例。
单例类必须给所有其他对象提供这一实例。
饿汉式单例类
publ
- javascript取当月最后一天
ctrain
JavaScript
<!--javascript取当月最后一天-->
<script language=javascript>
var current = new Date();
var year = current.getYear();
var month = current.getMonth();
showMonthLastDay(year, mont
- linux tune2fs命令详解
daizj
linuxtune2fs查看系统文件块信息
一.简介:
tune2fs是调整和查看ext2/ext3文件系统的文件系统参数,Windows下面如果出现意外断电死机情况,下次开机一般都会出现系统自检。Linux系统下面也有文件系统自检,而且是可以通过tune2fs命令,自行定义自检周期及方式。
二.用法:
Usage: tune2fs [-c max_mounts_count] [-e errors_behavior] [-g grou
- 做有中国特色的程序员
dcj3sjt126com
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有
- Android:TextView属性大全
dcj3sjt126com
textview
android:autoLink 设置是否当文本为URL链接/email/电话号码/map时,文本显示为可点击的链接。可选值(none/web/email/phone/map/all) android:autoText 如果设置,将自动执行输入值的拼写纠正。此处无效果,在显示输入法并输
- tomcat虚拟目录安装及其配置
eksliang
tomcat配置说明tomca部署web应用tomcat虚拟目录安装
转载请出自出处:http://eksliang.iteye.com/blog/2097184
1.-------------------------------------------tomcat 目录结构
config:存放tomcat的配置文件
temp :存放tomcat跑起来后存放临时文件用的
work : 当第一次访问应用中的jsp
- 浅谈:APP有哪些常被黑客利用的安全漏洞
gg163
APP
首先,说到APP的安全漏洞,身为程序猿的大家应该不陌生;如果抛开安卓自身开源的问题的话,其主要产生的原因就是开发过程中疏忽或者代码不严谨引起的。但这些责任也不能怪在程序猿头上,有时会因为BOSS时间催得紧等很多可观原因。由国内移动应用安全检测团队爱内测(ineice.com)的CTO给我们浅谈关于Android 系统的开源设计以及生态环境。
1. 应用反编译漏洞:APK 包非常容易被反编译成可读
- C#根据网址生成静态页面
hvt
Web.netC#asp.nethovertree
HoverTree开源项目中HoverTreeWeb.HVTPanel的Index.aspx文件是后台管理的首页。包含生成留言板首页,以及显示用户名,退出等功能。根据网址生成页面的方法:
bool CreateHtmlFile(string url, string path)
{
//http://keleyi.com/a/bjae/3d10wfax.htm
stri
- SVG 教程 (一)
天梯梦
svg
SVG 简介
SVG 是使用 XML 来描述二维图形和绘图程序的语言。 学习之前应具备的基础知识:
继续学习之前,你应该对以下内容有基本的了解:
HTML
XML 基础
如果希望首先学习这些内容,请在本站的首页选择相应的教程。 什么是SVG?
SVG 指可伸缩矢量图形 (Scalable Vector Graphics)
SVG 用来定义用于网络的基于矢量
- 一个简单的java栈
luyulong
java数据结构栈
public class MyStack {
private long[] arr;
private int top;
public MyStack() {
arr = new long[10];
top = -1;
}
public MyStack(int maxsize) {
arr = new long[maxsize];
top
- 基础数据结构和算法八:Binary search
sunwinner
AlgorithmBinary search
Binary search needs an ordered array so that it can use array indexing to dramatically reduce the number of compares required for each search, using the classic and venerable binary search algori
- 12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
刘星宇
c面试
12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
1.gets()函数
问:请找出下面代码里的问题:
#include<stdio.h>
int main(void)
{
char buff[10];
memset(buff,0,sizeof(buff));
- ITeye 7月技术图书有奖试读获奖名单公布
ITeye管理员
活动ITeye试读
ITeye携手人民邮电出版社图灵教育共同举办的7月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
7月试读活动回顾:
http://webmaster.iteye.com/blog/2092746
本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《Java性能优化权威指南》