一、选择 RAG 而非微调的主要原因

在我们项目中，选择 RAG 而不是直接微调 LLM，主要基于以下几个核心考量：

1. 外部知识动态更新的需求

• 微调后的模型是“静态”的，一旦训练完成，新增知识需要重新训练或增量训练，成本高且周期长。
• RAG 则通过检索模块引入外部知识库，可以实时或定期更新知识源，无需重新训练生成模型。

2. 避免灾难性遗忘（Catastrophic Forgetting）

• 微调过程中，模型容易忘记预训练阶段学到的通用知识，特别是在数据分布不均衡或任务目标变化时。
• RAG 不改变原始模型参数，仅通过检索增强上下文信息，因此保留了预训练模型的广泛知识基础。

3. 降低训练成本和资源消耗

• 微调大型语言模型（如 Llama 3、ChatGLM、Baichuan 等）需要大量 GPU/TPU 和时间成本。
• RAG 只需维护一个高效的检索系统和文档向量化流程，推理阶段即可实现知识增强。

4. 提高可解释性和可控性

• 微调模型的输出难以追溯来源，缺乏透明度。
• RAG 中检索到的文档片段可以直接展示给用户，提升结果的可信度和可审计性。

1.为什么叫InfoNCE损失

Information ：表示该损失函数与信息论有关，用于最大化两个相关样本之间的互信息（mutual information）。

Noise-Contrastive Estimation (NCE) ：最初由 Gutmann 和 Hyvärinen 提出的一种方法，用于通过区分真实数据和噪声样本来估计概率分布。InfoNCE 是 NCE 的一个变体，专门用于对比学习。

m-RoPE(多模态旋转位置编码)

1. 基本原理

m-RoPE是传统RoPE（旋转位置编码）在多模态场景下的扩展。传统RoPE处理的是一维序列，而m-RoPE专门设计用来处理包含图像和视频等视觉内容的多模态输入。

如代码中注释所述：

多模态3D旋转位置编码是1D旋转位置编码的扩展。输入嵌入序列包含视觉（图像/视频）嵌入和文本嵌入，或者仅包含文本嵌入。对于视觉嵌入部分，我们分别在时间、高度和宽度维度上应用旋转位置编码。这里我们将通道维度分为3个块，用于时间、高度和宽度旋转位置编码。对于文本嵌入部分，我们只应用1D旋转位置编码。

展开代码
docker run -it --entrypoint bash vllm/vllm-openai:latest

执行这个看到库的路径：

展开代码
root@4832fc8eb0e1:/app# python3 -c "import transformers; print(transformers.__file__)"


/usr/local/lib/python3.12/dist-packages/transformers/__init__.py

我要改的是在：

展开代码
/usr/local/lib/python3.12/dist-packages/transformers/models/qwen2_5_vl/modeling_qwen2_5_vl.py

📌 问题背景

在Ubuntu系统中，NVIDIA显卡驱动在内核升级后失效是一个常见问题，主要由以下原因引起：

1. 未使用DKMS机制安装驱动：通过官方.run文件手动安装的驱动不会随内核更新自动重建模块；
2. DKMS配置异常：即使通过仓库安装，若未正确注册DKMS，也会导致驱动无法适配新内核；
3. 版本不兼容：某些新版内核可能需要更高版本的驱动支持。

本文将提供4种专业级解决方案，涵盖从长期稳定方案到临时应急措施，并附带故障排查与预防建议。

🧱 离线安装 Python 包的完整流程

🔗 一、联网机器：下载包及依赖

bash
展开代码
mkdir -p wheels
cd wheels

# 下载包及其所有依赖
pip download swanlab==0.5.7 -d wheels --no-cache-dir

✅ 示例包：swanlab==0.5.7
💡 替换为你需要的包名和版本

SharegptDatasetConverter 类解析

SharegptDatasetConverter是LLaMA-Factory中的一个核心数据处理组件，专门用于处理ShareGPT格式的对话数据（包括OpenAI格式）。这个转换器将各种形式的对话数据转换为统一的内部格式，方便后续处理。下面几个方面可以帮助你理解它的工作原理：

1. 角色标签映射

代码开始定义了一个tag_mapping字典，将数据中的角色标签（例如"user"、"assistant"）映射到内部使用的枚举值。例如，对于OpenAI格式，它会将"user"映射到Role.USER.value，将"assistant"映射到Role.ASSISTANT.value等。这保证了不同数据集之间角色表示的一致性。

对三个不同文件夹中的图像进行相似度匹配，并将匹配成功的三张图像（每个文件夹各一张）拼接成一张横向长图保存。以下是详细的功能解析：

核心功能

1. 图像匹配： • 从三个文件夹（yuantu原图、Effect_ox1效果图1、Effect_pf效果图2）中读取图片。

   • 通过计算图像的均方误差（MSE）衡量相似度，找到每个原图对应的最相似的两张效果图（分别来自两个效果图文件夹）。

   • 使用全局优化算法（迭代移除已匹配的图片）确保匹配的唯一性和最优性。

2. 图像拼接： • 将匹配成功的三张图片（原图 + 效果图1 + 效果图2）横向拼接成一张长图。

   • 拼接时保持所有图片高度一致，宽度按原始比例缩放。

3. 结果保存： • 将拼接后的图像保存到save_mse文件夹中，文件名按序号命名（如001.jpg）。

一、补充的5个核心方向

在掌握了算法面试中最常见的几大类题型（如动态规划、DFS/BFS、贪心、字符串、树）之后，还有一些非常重要的补充知识点也常常出现在高频面试题中。以下是五大进阶方向及对应的必刷题目推荐。

树（Tree）结构题目分类与详解

树（Tree） 是算法面试中非常核心的数据结构，广泛涉及遍历、递归、DFS/BFS、二叉搜索树（BST）、平衡树、字典树（Trie）等知识点。本文将对树类常见题型进行系统分类与经典题目解析，帮助你快速掌握解题思路。