最近"一句话回测""AI 选股"的工具多起来了。但逛一圈你会发现,大多数只肯给你一个漂亮的总收益,至于这收益是赚出来的还是"口径赚出来的",没人告诉你。
摘要: RAG 回答找不到资料,多数不是 Embedding 模型的问题,而是切分、元数据过滤、混合检索与重排这几个环节出了偏差。按固定顺序逐环节定位,比直接调...
腾讯科技 | 研究员 (已认证)
江西长旅集团与腾讯营销云合作,通过'一张会员卡打通四通'及会员中台架构,整合六大业态实现身份与权益互通,解决客户留存与跨业态联动瓶颈,成功沉淀120万+客户资产...
风险提示:本文及所索引文章仅为量化交易科普与技术分享,不构成任何投资建议。量化交易存在风险、不保证盈利,实盘请严格风控、使用亏得起的资金并遵守所在市场的法律法规...
最后再处理时区。云函数事件中的时间字段可能采用 UTC,策略的交易日判断则通常按北京时间和交易所日历计算。不要直接截取事件日期,应该显式转换时区后再生成幂等键。...
做量化、做选股、做盘中监控,最容易踩的坑不是不会写代码,而是把“能看到行情”误当成“能稳定获取实时数据”。免费软件适合看盘,开源库适合研究,商业数据服务才更适合...
腾讯健康携手雍禾植发,针对植发行业效果不可见、信任低及转化难等痛点,利用50倍放大AI毛发检测、WAND生图大模型与ASR转写构建“诊前检测—诊中模拟—全程沉淀...
开盘前几分钟,竞价金额暴增、价格快速上冲,看起来像强势,9:30 却可能低开回落。问题不在数据不够,而在信号没有被拆成可验证的因子。把竞价过程留痕,再把价格、量...
手动翻财报、一个个算PE/PB/ROE的时代早就过去了。量化因子挖掘的核心不是"找到一个好因子",而是建立一套能批量生产、自动检验、持续迭代的因子工厂。 这篇文...
72B 的量化模型在 4090 上大概每秒 10-15 个 tokens,写一段 200 字的回答需要等 5-10 秒。这个速度对于聊天场景勉强可以接受,但对于...
在试过 llama.cpp、vLLM、Text Generation WebUI 等多个工具之后,我最终选择了 Ollama 作为日常使用的本地模型管理工具。
对于AI开发者来说,HuggingFace就像是GitHub之于程序员——它是最大的开源模型和数据集社区。
大模型的能力很强,但部署成本也很高。一个70B的模型需要约140GB显存(FP16),4张A100才能跑起来。
PyTorch训练的模型效果很好,但部署到生产环境时遇到了问题。 生产环境可能用的是Java或C++,没有PyTorch运行时,或者对推理性能有严格要求。
"本地跑大模型用什么工具?"这是我这几个月被问得最多的问题。网上答案五花八门:有人说Ollama傻瓜好用,有人说vLLM才是性能王者。我两台机器、两个框架、三个...
最初的架构很简单:Docker里跑Transformers的generate接口,单卡4090,模型是Qwen2.5-14B(4bit量化)。问题是:
"大模型要多少显存?" "我这卡GTX 3060能跑吗?" 这是社区里最常被问的问题。答案是:选对模型+正确量化,6G显存也能流畅跑7B模型。我花了两周时间,用...
先说结论,6G 显存的机器,7B 的模型量化后能跑,速度大概每秒二十来个字,聊天完全可用。14B 也能塞进去,但要压缩到 4bit 以下,质量打折明显,感觉像跟...